Recentemente, alguém ficou famoso no X

Se você tem acompanhado o X (Twitter) ultimamente, já deve ter visto esta conta: @aleabitoreddit, nome de usuário Serenity.

A bio dela tem apenas uma linha: ex-trader conhecido do Reddit WallStreetBets, analista da cadeia de suprimentos de IA/semicondutores, ex-membro da RISC-V Foundation, ex-cientista de pesquisa em IA, agora negociando exclusivamente "aquelas empresas esquecidas que são gargalos".

Parece a bio padrão de um fanfarrão do X? Mas os dados falam: ela se registrou no X em julho de 2025 e, em maio deste ano, já tinha mais de 350 mil seguidores, com o número de assinantes se aproximando do de Elon Musk.

O que chama ainda mais atenção é o histórico de resultados. Ela afirma que sua taxa de retorno anualizada atingiu o pico de +501%, atualmente estabilizada em torno de +122%, e nomeou publicamente mais de 38 ativos. Alguém criou um site "Serenity Tracker" para acompanhar suas posições e descobriu que a taxa de retorno anualizada de 3840% que ela alega veio principalmente de investimentos antecipados em pequenas empresas desconhecidas na cadeia de suprimentos de IA e semicondutores.

Alguém verificou? Sim. Na época do Reddit, ela foi banida pelos moderadores do WallStreetBets por recomendar antecipadamente a \(AXTI (que subiu de US\) 12 para US$ 70), supostamente porque "os traders de varejo estavam ganhando muito dinheiro, o que incomodava os moderadores". Esse detalhe é bastante interessante.

Claro, capturas de tela de resultados em redes sociais devem sempre ser vistas com cautela. Mas, apenas em termos de capacidade de seleção de ações, as verificações independentes sobre os ativos que ela recomenda geralmente concluem que — ela é realmente muito precisa. Então, pensei: será que podemos integrar os sinais dos tweets dela em tempo real em um sistema de trading?

Qual é o valor desse tipo de informação

Primeiro, um contexto.

No mercado de ações A (China), estamos acostumados a ler relatórios de pesquisa, monitorar o capital dos grandes players e ficar de olho no fluxo de notícias. Mas no mercado de ações dos EUA e no mercado de criptomoedas, a influência dos KOLs no X às vezes não é menor do que a dos relatórios institucionais — especialmente aqueles que realmente têm conhecimento acumulado em áreas verticais.

A metodologia central da Serenity é chamada de "Teoria do Chokepoint": partindo da demanda final de alta certeza (a explosão da capacidade computacional de IA), ela desmonta reversamente a cadeia de suprimentos camada por camada para identificar pequenas empresas upstream com barreiras tecnológicas extremamente altas e um sério descompasso entre oferta e demanda. Essas empresas geralmente têm um valor de mercado muito pequeno, não são cobertas por instituições, mas uma vez que a demanda explode, a elasticidade pode ser muito grande.

Essa lógica é clara, e ela faz um acompanhamento contínuo com nome real (embora anônimo), não é como aqueles blogueiros de curto prazo que fazem uma recomendação e somem.

Lógicas semelhantes podem ser estendidas a muitos lugares:

• Um tweet de Elon Musk no X pode fazer o Dogecoin disparar em minutos
• Um grande influenciador do mundo cripto promovendo uma altcoin geralmente marca o início da 'jogada' para os investidores de varejo (isso também pode ser usado ao contrário)
• Certos analistas do mercado financeiro tradicional que divulgam suas posições no X geralmente o fazem antes dos relatórios públicos

A informação das redes sociais é por si só um alpha, mas a maioria das pessoas não a incorpora sistematicamente.

Mas há um problema prático: não podemos comprar ações dos EUA à vista

A maioria dos ativos recomendados pela Serenity são ações dos EUA, como NVDA, MRVL, AVGO, SIVE, etc. Usuários comuns não têm conta em corretoras dos EUA ou não querem seguir esse caminho. O que fazer?

Aqui vai uma ideia: Contratos Perpétuos de Ações TradFi da Binance.

A Binance lançou uma série de contratos perpétuos lastreados em ações dos EUA, liquidados em USDT, que permitem operar comprado ou vendido, sem necessidade de conta em corretora dos EUA, com negociação 24 horas por dia, 7 dias por semana. Atualmente, cobre dezenas de ativos populares dos EUA, incluindo NVDA, MRVL, AMD, AVGO, META, MSFT, AMZN, GOOGL, e continua expandindo.

Isso significa: se a Serenity recomendar MRVL, não preciso abrir uma conta nos EUA; basta abrir uma posição comprada no contrato perpétuo MRVL_USDT na Binance.

Claro, esse tipo de contrato é diferente de possuir a ação diretamente — não há dividendos, é apenas um rastreamento de preço, e há o custo da taxa de funding. Mas para negociações direcionais de curto a médio prazo, é suficiente.

A ideia geral do sistema

Depois de pensar sobre isso, comecei a projetar este sistema.

No geral, são três etapas:

            
            
            
① Obter os tweets da Serenity em tempo real
        ↓
② Usar um LLM para analisar o sinal do tweet (qual ativo? qual o nível de confiança?)
        ↓
③ Corresponder ao contrato TradFi da Binance, executar a negociação + gerenciamento de risco

O primeiro passo é o mais crítico — como obter os tweets em tempo real?

A API oficial do Twitter agora é paga e não é barata. Existe uma alternativa gratuita?

Sim: RSSHub. Esta é uma ferramenta de código aberto que pode converter vários sites em feeds RSS, incluindo tweets do Twitter. Usando o Cookie da sua própria conta, é possível converter os tweets de qualquer usuário em RSS em tempo real — essencialmente, usando sua própria conta para raspar a página, de forma totalmente gratuita.

Implantação do RSSHub

Implantei o RSSHub em um servidor no exterior para evitar problemas de rede. O servidor usa Podman (um runtime de contêiner comum em sistemas CentOS), e um comando resolve:

            bash
            
            
podman run -d \
  --name rsshub \
  -p 1200:1200 \
  -e NODE_ENV=production \
  -e CACHE_TYPE=memory \
  -e TWITTER_AUTH_TOKEN="seu_auth_token" \
  -e TWITTER_COOKIE="auth_token=seu_auth_token; ct0=seu_ct0" \
  diygod/rsshub:latest

Onde auth_token e ct0 são Cookies da conta do Twitter, encontrados nas ferramentas de desenvolvedor do navegador (F12 → Application → Cookies → em x.com).

Esses dois valores são equivalentes às credenciais de login da conta. Use apenas uma conta secundária e não os compartilhe.

Para verificar:

            bash
            
            
curl "http://localhost:1200/twitter/user/aleabitoreddit" | head -3

Se você vir o conteúdo RSS começando com <?xml, deu certo. A partir daí, a estratégia pode fazer uma requisição HTTP diretamente para este endereço para obter a lista de tweets mais recentes.

Obtendo a tabela de contratos dinamicamente

Os contratos TradFi da Binance são continuamente atualizados, então a tabela de contratos não pode ser fixada. Ela deve ser atualizada a cada inicialização e periodicamente:

            python
            
            
def refresh_equity_contracts():
    ms = exchange.GetMarkets()
    new_map = {}
    for key, market in ms.items():
        info = market.get("Info", {}) or {}
        sub_type = info.get("underlyingSubType", [])
        # Filtrar contratos perpétuos TradFi EQUITY
        if (
            ".swap" in key
            and "TradFi" in sub_type
            and info.get("underlyingType") == "EQUITY"
        ):
            ticker = key.replace("_USDT.swap", "")
            new_map[ticker] = key   # {"NVDA": "NVDA_USDT.swap", ...}
    return new_map

Dessa forma, novos contratos listados são automaticamente incluídos, e quando o LLM analisa os tweets, a lista de contratos mais recente também é passada como referência.

Fazendo o LLM entender a linguagem da Serenity

Esta etapa é a parte mais interessante de todo o sistema, e também a que mais precisa ser refinada.

Deixar o LLM simplesmente julgar "este tweet é de alta ou de baixa" é muito grosseiro — o estilo de expressão da Serenity é bastante peculiar; quem não a conhece pode interpretar muitas coisas erradas.

Por exemplo, ela frequentemente posta tweets assim:

"Wow… new extremely transformative news got released today. Making a certain photonics company the effective upstream laser chokepoint for $NVDA NVLink fusion CPO ecosystem. Can anyone guess the name?"

Este tweet é essencialmente para criar suspense e atrair tráfego; o próximo é que realmente nomeia o ativo e é um sinal de alta. Se o LLM não conhece esse hábito, pode interpretar isso como um forte sinal de alta para a NVDA — completamente errado.

Portanto, no system prompt, os hábitos de expressão dela devem ser claramente explicitados:

            python
            
            
system_prompt = (
    "Você é um extrator de sinais de trading especializado em interpretar tweets do usuário do Twitter «Serenity»."
    "Esse usuário é analista da cadeia de suprimentos de IA e semicondutores. Você precisa entender os hábitos de expressão específicos do TA:\n"
    "1. TA raramente diz «comprar» diretamente, mas sim sugere alta ao descrever a posição na cadeia de suprimentos e barreiras de entrada da empresa\n"
    "2. Palavras-chave de forte alta: «I personally think», «undervalued», «going much higher»"
    "«chokepoint», «structural», «thesis validated», «go brrr», «bullish»\n"
    "3. Palavras-chave de baixa: «avoid», «overvalued», «nuking», «ban», «bearish»\n"
    "4. Tweets em forma de pergunta («Can anyone guess?», «Does anyone know?»)"
    "são para gerar curiosidade e atrair tráfego, não constituem sinal de trading por si só; direction deve ser neutral\n"
    "5. Descrições de tendências macro que não mencionam ativos específicos não constituem sinal\n"
    "Produza apenas JSON válido, sem qualquer outro conteúdo."
)

Retornar no formato JSON unificado:

            python
            
            
{
    "tickers": ["MRVL", "LITE"],  # Apenas ativos explicitamente mencionados pelo autor, devem estar na lista de contratos
    "direction": "long",           # long / short / neutral
    "confidence": 85,              # 0-100, intensidade combinada do sinal
    "reason": "Autor explicitamente otimista em relação à demanda por interconexão de redes de IA"
}

Critérios para confiança:

• Declaração explícita + lógica concreta: 80-95
• Descrição de fatos positivos sem declaração explícita: 55-75
• Perguntas/curiosidade/interação: 10-40 (neste caso, direction forçado para neutral)
• Descrição macro sem ativos específicos: 30-50 (tickers retornam vazios)

Na prática, a precisão na identificação de "tweets de engajamento" é alta; esses tweets são majoritariamente filtrados corretamente.

Design de Gerenciamento de Risco

Com o sinal em mãos, a lógica de ordem não é tão complexa; o essencial é ter um gerenciamento de risco sólido.

Gerenciamento de Posição:
-- Tamanho por operação: 5% do patrimônio da conta
-- Máximo simultâneo: 5 ativos
-- Alavancagem: 1x, sem alavancagem

Stop Loss:
-- Stop loss fixo: perda de 5% do preço de entrada, liquidação imediata, sem negociação

Take Profit: sem take profit fixo, apenas take profit com trailing stop

Esse design é inspirado no estilo de posição da Serenity — a lógica do TA é esperar pelo desequilíbrio entre oferta e demanda, com períodos de posse mais longos. Um take profit fixo cortaria muitos lucros. Por isso, adotamos um trailing stop móvel:

            python
            
            
# Lucro flutuante atinge 8% → ativa trailing stop
# Limiar de retração real = max(30%, pico × 35%)
# Quanto maior o pico, maior a retração permitida

giveback_pct = max(30, peak * 0.35)
drawdown = peak - pnl_pct
if drawdown >= giveback_pct:
    # Executa liquidação

Exemplo para visualizar:
-- Pico de +20%, limiar = max(30%, 7%) = 7%, retração para +13% sai
-- Pico de +80%, limiar = max(30%, 28%) = 28%, retração para +52% só sai

Grandes vencedores podem correr bastante, pequenas perdas são rapidamente cortadas — essa estrutura é compatível com o próprio estilo de posição da Serenity.

Uma Válvula de Segurança: Notificar Primeiro, Depois Negociar

A estratégia padrão é o modo "apenas notificação": quando há sinal, apenas registra em log, sem efetuar ordens. Após um período de observação e confirmação de que o julgamento do LLM está alinhado com as expectativas, troca-se manualmente para o modo "negociação real".

O painel tem quatro tabelas:

No histórico de tweets, há uma coluna "tipo de sinal" que marca automaticamente cada tweet como "💎 Sinal Forte" ou "🎭 Engajamento/Pergunta", facilitando a verificação posterior da qualidade do julgamento do LLM.

Uma Reflexão Adicional

Essa estrutura é essencialmente a transformação de uma fonte de informação específica em tempo real e estruturada, integrando-a a um sistema de negociação. Serenity é apenas um exemplo. Desde que haja RSS ou fontes de dados que possam ser capturadas, teoricamente qualquer uma pode ser conectada. As fontes de informação suportadas pelo RSSHub já chegam a milhares, não apenas Twitter.

Claro, a qualidade da fonte de sinal determina o teto de todo o sistema. Escolher alguém que dá sinais aleatórios torna o sistema inútil, por mais sofisticado que seja. Serenity funciona porque o TA tem um framework de análise completo, não é um blogueiro de curto prazo que dá sinais e foge.

Considerações Finais

Montando todo o sistema, o que realmente consome tempo são duas coisas: a implantação do RSSHub (servidor no exterior + configuração de cookies) e o ajuste fino do prompt do LLM (para entender com precisão os hábitos de expressão de um KOL específico).

A parte de código não é muito complexa; a plataforma do inventor encapsula grande parte da infraestrutura subjacente. O foco é pensar claramente na lógica de negócio.

Recomendo que quem está começando execute o modo de notificação por um tempo, verificando nos logs se o julgamento do LLM está desviando muito, e só depois de confirmar a estabilidade, parta para o mercado real. Afinal, negociar com base em sinais de redes sociais é apostar na capacidade de julgamento do KOL — não coloque posições muito pesadas, diversifique um pouco e mantenha o stop loss bem ajustado.

O código da estratégia e a implementação completa estão nos comentários. Sintam-se à vontade para discutir.

Código da Estratégia: Sinais de KOL de Mídias Sociais_Contratos de Ações TradFi da Binance