Plataformas Verificadas
Quick Links
Onde Permanecer Protegido
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Essa divisão aparece em outros pontos. A disciplina de recuperação teve média de 48,67, bem abaixo da disciplina de timing, em 81. O comportamento de risco foi polarizado, com 4 traders de baixo risco e 4 de risco muito alto. A distribuição de arquétipos também pendeu para experimentação e impulsividade: 6 traders foram classificados como Developing Explorers e 4 como Gamblers. Os dados do simulador da Kodex Academy e a análise do Pattern Intelligence apontam para uma estrutura inicial que merece acompanhamento: os resultados fracos deste grupo parecem estar menos ligados a pânico constante do que a recuperação inconsistente, foco fraco em lucratividade e controle irregular de risco ao longo de 305 trades simulados.
A Kodex Academy é uma plataforma de educação em crypto com simulador de trading em papel, aulas estruturadas e uma camada de análise comportamental chamada Pattern Intelligence. O simulador começa cada usuário com US$ 5.000 em capital fictício e registra a atividade de trade em diferentes ativos, horizontes de holding e resultados no nível da conta.
Para este relatório, o conjunto de dados cobre 12 traders com histórico comportamental em cache e 305 trades simulados de crypto extraídos de um total mais amplo de 345 trades concluídos no simulador. Todas as conclusões aqui ficam limitadas a esses 12 participantes e a este recorte inicial da plataforma.
O simulador acompanha métricas de performance como win rate, ROI, profit factor, Sharpe ratio, max drawdown e frequência de trades. Também acompanha dimensões comportamentais como tolerância a risco, horizonte de tempo, spread de ativos, complexidade de execução, foco em lucratividade e psicologia de trading.
O Pattern Intelligence analisa 10 dimensões comportamentais, atribui arquétipos de trader, detecta sinais profundos como revenge trading e tilt cascades, e acompanha a progressão de 30 dias em oito medidas, incluindo expectancy, drawdown, controle emocional, tilt score, consistência e qualidade de entrada.
Este é um conjunto de dados inicial de simulador, não um estudo universal sobre traders de crypto. A amostra é pequena, todos os participantes classificados eram novice traders, e condições simuladas não reproduzem toda a pressão de capital real. O valor aqui é mais estreito e mais limpo: uma leitura inicial controlada de como o comportamento de iniciantes se organiza antes de a escala maior mudar o quadro.
Os dados do simulador da Kodex Academy mostram um grupo que permaneceu mais composto emocionalmente do que os resultados sugerem.
Os números medianos são mais duros do que as médias. Um profit factor médio de 1,01 pode parecer perto do equilíbrio. Um profit factor mediano de 0,77 sugere que a maior parte dos participantes ainda não estava lá.
O Pattern Intelligence também registrou 97 sinais comportamentais profundos no grupo: 20 críticos, 37 alertas, 26 insights e 14 strengths. A mistura de sinais pendeu para problemas, não para strengths.
O grupo se concentrou em dois arquétipos: Developing Explorer e Gambler. Essa divisão importa porque os comportamentos mais fortes na amostra foram experimentação e busca por risco, não maturidade de processo.
ArchetypeTradersShare of cohortWin rateDeveloping Explorer650.0%0%Gambler433.3%22%Contrarian18.3%50%Risk Manager18.3%83%
Metade da amostra estava no grupo Developing Explorer, e esse arquétipo registrou win rate de 0% neste recorte. O único Risk Manager e o único Contrarian produziram win rates muito mais fortes, mas com apenas um trader em cada caso, esses números são direcionais, não estáveis.
A inclinação dos arquétipos ajuda a explicar por que resultados fracos coexistiram com pontuações relativamente calmas de psicologia. Um trader pode manter compostura emocional e ainda assim testar ideias demais, girar setups com pouca firmeza ou falhar em construir uma vantagem repetível. Essa forma de comportamento também aparece por trás de Como Parar com o Revenge Trading, onde o problema não é só emoção, mas o que acontece com a qualidade da decisão depois da perda.
O risco não foi distribuído de forma uniforme. Entre esses 12 participantes, 4 eram de baixo risco, 1 de risco médio, 3 de alto risco e 4 de risco muito alto. A amostra se dividiu quase perfeitamente entre exposição controlada e exposição agressiva.
Risk profileTradersShare of cohortLow433.3%Medium18.3%High325.0%Very High433.3%
Comportamento de alto risco e risco muito alto respondeu por 58,3% do grupo. Baixo e médio somados ficaram em 41,7%. Em uma amostra composta só por novatos, isso não é desvio leve. É polarização.
A pontuação média de risco de portfólio ficou em 3,7 de 8, o que parece moderado até a distribuição ser aberta. O centro engana aqui porque o comportamento estava agrupado nas pontas.
O estilo de holding seguiu a mesma direção. Seis traders eram day traders ou scalpers, dois eram swing traders e dois eram investidores de longo prazo. O tempo médio de holding foi de 13,99 dias, mas a distribuição da população mostra o ponto mais importante: comportamento de horizonte curto dominou.
Holding styleTradersShare of cohortDay Trader / Scalper650.0%Swing Trader216.7%Long-term Investor216.7%Unspecified in holding-style breakout216.7%
A distribuição do Pattern Intelligence deixa isso ainda mais nítido. Time Horizon foi Very Low para 6 traders, Low para 2, High para 2 e Very High para 2. Asset Spread foi Low para 10 de 12 traders. Profitability Focus foi Low para 10 traders e High ou Very High para apenas 2. A amostra não era apenas de curto prazo. Ela também era estreita e fracamente alinhada à lucratividade.
Essa combinação encosta diretamente nos modos de falha descritos em Gestão de Risco em Cripto para Iniciantes: exposição concentrada, horizonte comprimido e decisões por posição que parecem administráveis trade a trade, mas quebram a qualidade do processo ao longo de uma sequência.
O controle emocional médio chegou a 79, uma das métricas de manchete mais fortes deste relatório. A decomposição conta uma história mais dura.
Psychology metricAverage scoreEmotional control79.00Profit consistency70.50Position sizing64.33Recovery discipline48.67Timing discipline81.00Asset focus64.17Tilt score27.50
As pontuações mais fortes ficaram em disciplina de timing (81) e controle emocional (79). A mais fraca ficou em disciplina de recuperação (48,67). Os traders mostraram mais capacidade de permanecer compostos durante a execução do que de responder bem depois de dano.
Esse padrão separa calma visível de disciplina durável. Também combina com a taxa de revenge trading. 20% dos traders acionaram detecção de revenge trading mesmo com tilt médio baixo. Um grupo não precisa estar amplamente caótico para que comportamento de vingança apareça. Um subconjunto pequeno já consegue distorcer o quadro.
As leituras de fear and greed sustentam a mesma assimetria. Sete traders foram classificados como neutros, enquanto três registraram extreme greed. A amostra não foi dominada por medo. O risco comportamental mais limpo aqui foi excesso seletivo.
Padrões de excesso de confiança apareceram em 10% dos traders. Essa taxa é menor do que a de revenge trading, mas aparece ao lado de um grupo em que Profitability Focus foi low para 10 de 12 traders e Execution Complexity foi low para 6 traders. A leitura mais forte não é que os participantes estavam tomados por excesso de confiança. É que muitos estavam pouco estruturados.
Os dados do simulador da Kodex Academy também mostram que a frequência de trades foi modesta para a maioria dos usuários: 7 low, 3 medium, 1 high, 1 very high. Os resultados fracos desta amostra não foram criados apenas por hiperatividade. Para muitos participantes, o problema parece surgir antes na cadeia — qualidade do setup, comportamento de recuperação e enquadramento de risco antes mesmo que frequência vire o ponto principal.
Os dados de progressão em 30 dias são o sinal mais claro de que os problemas de performance não estavam estáticos, mas seguiam uma direção comportamental.
30-day metricImprovingDecliningWin Rate33%17%Expectancy22%22%Rolling Drawdown Pct0%11%Risk Reward Ratio22%11%Emotional Control0%33%Tilt Score0%33%Consistency Score0%50%Entry Quality0%0%
Alguns traders parecem, sim, melhorar. 33% mostraram alta em win rate. 22% melhoraram em expectancy, e outros 22% melhoraram na relação risco-retorno. Esses ganhos sugerem que partes do grupo estavam começando a cortar perdas melhor, escolher trades mais limpos ou alinhar risco com mais eficiência.
As métricas de queda dizem mais. Controle emocional caiu para 33%, tilt piorou para 33% e consistency score caiu para 50%. Nenhum trader melhorou nesses três indicadores na janela de 30 dias. A qualidade de entrada ficou parada, com 0% melhorando e 0% piorando.
Essa combinação aponta para uma divisão específica no desenvolvimento. Alguns participantes podem estar aprendendo a produzir resultados isolados melhores sem ainda construir estabilidade de processo mais forte. A win rate pode melhorar antes de a disciplina endurecer. Nesta amostra, o comportamento parece se desgastar mais rápido do que a qualidade de entrada muda.
O mesmo padrão aparece no próprio desenho da plataforma. Simulador Gratuito de Trading Cripto registra não apenas resultados, mas o modo como esses resultados são produzidos — tolerância a risco, horizonte de tempo, comportamento de setup e progressão ao longo do tempo. O sinal mais útil não é se um trader vence uma vez. É se o caminho até esse resultado fica mais limpo.
Esses achados não descrevem traders de crypto em geral. Eles descrevem 12 participantes novatos do simulador da Kodex Academy ao longo de 305 trades analisados em um conjunto inicial de dados comportamentais.
Eles sustentam várias afirmações estreitas.
Eles não provam causalidade. Pontuações altas de controle emocional não causaram retornos fracos, e comportamento de risco muito alto não criou automaticamente todo resultado ruim da amostra. Os dados sustentam uma leitura estrutural, não afirmações determinísticas.
Eles também não resolvem se esses padrões persistem à medida que a plataforma cresce. Mais traders, mais trades e históricos mais longos podem mudar o equilíbrio entre arquétipos, perfis de risco e pontuações psicológicas. A postura correta aqui é curiosidade disciplinada. A amostra é pequena, mas já é específica o suficiente para mostrar onde o fracasso inicial do trader pode se esconder: não apenas na emoção visível, mas na distância mais silenciosa entre permanecer calmo e recuperar bem.
Ao longo de 305 trades simulados de crypto, a implicação mais forte não é que traders iniciantes sejam emocionalmente instáveis. Neste conjunto da Kodex Academy, a leitura mais limpa é mais dura: traders podem parecer compostos, manter o tilt contido e ainda perder porque disciplina de recuperação, foco em lucratividade e controle de risco ficam atrás da calma de superfície. Esse é um modo de falha mais difícil porque se esconde dentro de um comportamento que parece administrável.
A amostra é pequena. O padrão ainda é claro. A psicologia inicial do trader neste grupo teve menos a ver com pânico no momento e mais com o que aconteceu depois das perdas, como o risco foi distribuído e se o comportamento se tornou mais repetível ao longo do tempo.
Este relatório reflete um conjunto vivo de dados do simulador da Kodex Academy capturado em 2026-03-12. Ele se baseia em 12 traders e 305 trades simulados de crypto com análise do Pattern Intelligence disponível no momento da publicação. À medida que a participação cresce e os históricos de trade ficam mais profundos, estes achados devem ser lidos como um retrato inicial da plataforma, não como um modelo fixo de comportamento de trader.
