Sina, cofundador do fundo de hedge 21st Capital, criticou publicamente um modelo popular de previsão de preços do Bitcoin promovido por Raoul Pal, CEO da Real Vision, chamando-o de um exemplo clássico de analfabetismo em dados e overfitting. O modelo em questão estabelece uma correlação entre o Bitcoin e o M2 Global—uma medida da oferta monetária global—deslocando os dados do M2 em algumas semanas, geralmente de 10 a 12, para supostamente “prever” os movimentos futuros do preço do Bitcoin. Raoul Pal usou esse gráfico para argumentar que as condições de liquidez macroeconômica impulsionam os ciclos de criptomoedas e que o comportamento atual do mercado pode ser previsto usando a expansão monetária.
Sina, um cientista de dados treinado que ensina análise de dados em níveis de graduação e pós-graduação, afirma que esse modelo desmorona sob escrutínio. Ele destaca que a correlação aparente entre o Bitcoin e o M2 Global só existe porque os dados foram “torturados” para se ajustarem a padrões históricos. Ele alerta que essa flexibilidade é exatamente o que permite aos analistas criar a ilusão de precisão preditiva. O problema principal, segundo ele, é que os dados do M2 Global são inerentemente falhos, pois são compilados multiplicando as cifras de M2 de vários bancos centrais por taxas de câmbio, misturando economias com relatórios rápidos, como os EUA, com países que têm atrasos de semanas ou até meses nos dados.
Mais importante ainda, Sina argumenta que o modelo falha no momento em que se afasta de fatias seletivas do gráfico. Enquanto Raoul Pal e outros mostraram exemplos de topos e fundos alinhados entre o Bitcoin e o M2 Global, Sina demonstrou como pequenas alterações no tempo de antecipação ou na escala podem produzir resultados dramaticamente diferentes. Ele destacou como cada ajuste no modelo—mudando de uma antecipação de 12 semanas para 10 semanas, para 108 dias—expõe sua falta de base sistemática. Sina conclui que, sem um modelo adequado, não se consegue prever o futuro, e compara o conceito a ajustar uma curva através de uma onda senoidal ruidosa, onde um modelo bem estruturado captura o padrão central e ignora o ruído.