O presente trabalho empregou o método proposto por López de Prado and Lewis (2019) combinado com o estudo de Harvey and Liu (2020) com o intuito de testar a detecção de falsas estratégias de investimento. A metodologia parte da análise dos erros Tipo I e Tipo II sobre múltiplos testes através de FWER com correção de Sidak. Para a validação do método proposto foi construído três cenários em ambiente controlado com o auxílio de movimentos brownianos geométricos além de ser feito testes empíricos com 78 ativos que compuseram o índice Bovespa (IBOV) durante o período de outubro de 2015 até janeiro de 2021 para testar as estratégias de Cruzamento de Médias Móveis, Reversão à Média e Momentum, onde cada estratégia teve um grupo de dez parâmetros diferentes. Os resultados em ambiente controlado comprovam a eficácia do modelo ao detectar que os cenários construídos apenas com resultados aleatórios e maus resultados são falsas estratégias, enquanto o cenário composto apenas por bons resultados foi tido como uma estratégia verdadeira. Em relação aos resultados empíricos, cada estratégia obteve parâmetros que foram dados como estratégias verdadeiras quanto falsas, mostrando que não há uma estratégia que seja falsa em todos os parâmetros, porém houve um consenso entre as três estratégias de serem aceitas como verdadeiras em parâmetros menos sensíveis à volatilidade.

The present work used the method proposed by López de Prado and Lewis (2019) combined with the study of Harvey and Liu (2020) for the purpose of testing the detection of false investment strategies. The methodology starts from the analysis of Type I and Type II errors over multiple tests through FWER with Sidak correction. For the validation of the proposed method, three scenarios were built in a controlled environment with the aid of geometric Brownian motions, in addition to empirical tests with 78 assets that made up the Bovespa index (IBOV) during the period from October 2015 to January 2021 to test the Moving Averages Crossing, Mean Reversion and Momentum strategies, where each strategy had a group of ten different parameters The results in a controlled environment prove the effectiveness of the model in detecting that the scenarios built only with random results and bad results are false strategies, while the scenario composed only of good results was considered a true strategy. Regarding the empirical results, each strategy obtained parameters that were given as true and false strategies, showing that there is no strategy that is false in all parameters, but there was a consensus between the three strategies to be accepted as true in parameters less sensitive to volatility.