Abstract
. Este artigo treina um detector de transações ilícitas em bitcoin com a base pública Elliptic (203.769 transações em 49 períodos de cerca de duas semanas) e mostra que seu desempenho fora da amostra entra em colapso depois do fechamento de um grande mercado da dark web: a taxa de detecção cai de 86% para 2% de um período para o outro, e o retreinamento com os poucos dados posteriores ao choque não a recupera. O episódio, já registrado pelos autores da base, é interpretado à luz da crítica de Lucas (1976): um detector estimado com dados do passado resume o comportamento dos agentes sob determinado regime de repressão e deixa de valer quando a própria repressão altera esse comportamento. Discutem-se as implicações para a regulação brasileira de prevenção à lavagem de dinheiro, recentemente estendida às prestadoras de serviços de ativos virtuais: a necessidade de validação contínua dos sistemas de monitoramento, a avaliação período a período em lugar de médias agregadas, a complementaridade entre algoritmos e investigação, e o custo dos alarmes falsos.