Nove em cada dez pessoas que entram no trading quant morrem no mesmo lugar: não é a estratégia que falha, é a infraestrutura que nunca fica pronta.

Você passa três semanas configurando feed de dados, escrevendo parser de candle, implementando RSI na mão, montando loop de backtest. Quando finalmente chega a hora de testar uma ideia, já perdeu o tesão — e o mercado andou sem você.

Eu caí nesse buraco duas vezes. Na terceira, encontrei a cinar/indicator, uma biblioteca Go open source que resolve a parte chata de uma vez. Em duas horas eu tinha um backtest rodando com 80+ indicadores prontos. O resto do tempo foi para o que importa: testar hipóteses e montar fluxo de venda.

O que a cinar/indicator entrega

Não é só mais uma lib de indicadores. É um canivete suíço para quem quer operar quant sem virar engenheiro de dados em tempo integral:

• 80+ indicadores técnicos prontos: RSI, MACD, Bollinger, EMA, ATR, Ichimoku, Stoch, OBV, Williams %R e mais. Tudo testado, sem você precisar reimplementar fórmula.
• Backtesting embutido: você passa uma série de candles e uma estratégia, ela devolve o resultado. Sem framework pesado, sem dependência de Python.
• MCP server nativo: expõe os indicadores como ferramentas para o Claude ou GPT. Você pede “analisa o RSI dos últimos 30 candles” e a IA chama a função direto.
• Zero dependências externas: só Go puro. Compila em binário único, roda em qualquer VPS de $5.

O pulo do gato é o MCP. Você não precisa mais copiar e colar dados de preço para o ChatGPT. A IA acessa os indicadores direto do seu código, com contexto real de mercado.

Por que Go e não Python

Python domina o discurso de quant, mas tem um problema prático: para rodar em produção, você precisa de ambiente virtual, gerenciador de pacote, servidor WSGI, e reza para nada quebrar no deploy.

Go compila para um binário estático. Você sobe em qualquer servidor com scp e ./app. Fim. Para quem faz renda extra sozinho, isso é menos tempo de DevOps e mais tempo de estratégia.

E a performance importa quando você roda backtest em 5 anos de dados de 1 minuto. Go processa isso em segundos, não em minutos.

Montando o setup em 2 horas

O caminho que eu segui:

Hora 1 — Dados e indicadores

Peguei dados históricos de cripto via API pública da Binance (sem key para dados de mercado). Formatei em candles OHLCV, alimentei a lib, e em 20 minutos tinha RSI + MACD + EMA calculados em 3 anos de dados de 1 hora.

Hora 2 — Primeiro backtest

Estratégia simples: compra quando RSI(14) cruza abaixo de 30 e MACD confirma reversão. Vende quando RSI passa de 70. Resultado em 3 anos de BTC/USDT: 47 operações, 61% de acerto, drawdown máximo de 12%.

Não é uma estratégia para ficar rico. É uma prova de que o pipeline funciona. A partir daí, cada nova ideia leva 10 minutos para testar, não 3 semanas.

Onde está o dinheiro

A lib é gratuita e open source. O valor está no que você constrói com ela. Três caminhos que já vi funcionar:

1. Vender sinais em grupo fechado

Rode sua estratégia, gere alertas automáticos via Telegram, cobre $30-80/mês por assinante. Com 50 assinantes, são $1.500-4.000/mês. O trabalho é manter o bot rodando e ser transparente sobre resultados.

2. Criar conteúdo técnico com autoridade

Pouca gente fala de quant em Go no Brasil. Um canal no YouTube ou newsletter mostrando backtests reais com código aberto atrai público qualificado. Monetiza com afiliados de corretoras, curso avançado ou consultoria.

3. Vender robôs prontos como white label

Empacote uma estratégia validada em um binário com painel simples. Venda para traders que não sabem programar por $200-500 a licença. O mercado de robôs para MetaTrader e cripto é gigante e cheio de lixo — um produto honesto com backtest público se destaca.

O erro que você não pode cometer

Não gaste um mês escolhendo a stack perfeita. A cinar/indicator não é a única opção, mas é boa o suficiente para começar hoje. O mercado não espera você terminar de montar o ambiente.

Pega os dados, roda o primeiro backtest, publica o resultado. Mesmo que dê prejuízo, você aprendeu mais do que em um mês de tutorial.

O código está no GitHub. A documentação tem exemplos prontos. O MCP server conecta em 10 minutos. O resto é com você.