Por Serviço Bloomberg Professional
Um dos problemas enfrentados atualmente pelas gestoras de recursos que usam estratégias ativas é que, no agregado, elas não entregam desempenho superior. Esse fracasso agregado se baseia na hipótese de estabilidade entre correlações do passado e do futuro.
Ao longo da última década, a correlação entre ações e renda fixa permaneceu em 0,211. O número sugere que uma carteira de ações e títulos ponderada pelo risco é bem diversificada e proporciona proteção contra perdas. Porém, a correlação saltou para 0,97 entre setembro e dezembro de 2008 e chegou a um nível menos extremo de 0,23 entre 2009 e 2017, mostrando claramente que não é estável.
Algo precisa mudar nos processos de investimento: os dados precisam ser melhor utilizados. Quando se aplica inteligência artificial a grandes conjuntos de dados, são inferidos relacionamentos entre variáveis a cada previsão e nova alocação. Assim, uma quantidade muito maior de dados pode entrar no processo de investimento, auxiliando analistas e gestores de fundos.
De acordo com um estudo da KPMG, os fundos de hedge estão à frente, com 32% deles empregando “análise preditiva” atualmente. Porém, ao todo, menos de 50% dos gestores de recursos relatam o uso de big data ou análises avançadas, a não ser que o objetivo seja agregação ou integração.2
Dados estruturados vs. não estruturados
Os modelos de finanças mais tradicionais são capazes de processar dados estruturados, como relatórios divulgados por empresas e estatísticas oficiais. No entanto, os gestores de investimento querem ir além dos tradicionais dados estruturados para sair à frente da concorrência em um ambiente cada vez mais competitivo em se tratando de estratégias ativas.
Esses profissionais há muito tempo têm acesso a enormes quantidades de dados, mas não conseguiam usá-los por causa da falta de estrutura nos formatos. A inteligência artificial é capaz de processar centenas de artigos em menos tempo do que um ser humano leva para ler uma única reportagem e também extrai informações importantes, como indicadores de sentimento. A inteligência artificial pode destacar uma reportagem ou postagem no Twitter como relevante para determinada ação e atribuir a ela uma pontuação de sentimento.
Hoje há maior disponibilidade de ferramentas capazes de julgar a confiabilidade de postagens no Twitter e outras redes sociais. O Twitter tem mais de 330 milhões de usuários3 e opera em 50 idiomas. Só é possível fazer processar todas essas informações não estruturadas e identificar o que é real e o que é falso com a ajuda de inteligência artificial. Informações não estruturadas estão disponíveis em formatos que sequer poderíamos imaginar há apenas uma década. Satélites hoje podem capturar todos os aspectos da atividade industrial, além da movimentação de navios, tendências da construção civil e consumo de energia.
Ainda não existem evidências de longo prazo para a eficácia desses métodos, mas a inteligência artificial pode ajudar a solucionar muitos dos problemas dos gestores de ativos. Primeiramente, a tecnologia tem o potencial de aprimorar o desempenho e restaurar a confiança dos investidores, trazendo de volta o dinheiro deles.
Por exemplo, fundos de hedge que se baseiam em estratégias quantitativas geraram retorno anual médio de 5,7% nos últimos cinco anos, enquanto os fundos de hedge normais geraram apenas 4,4%.4
A inteligência artificial também pode aumentar a eficiência, permitindo que as firmas de investimento reduzam custos ao automatizar tarefas rotineiras e permitindo que profissionais habilidosos usem seu tempo para buscar vantagens. Essa tecnologia pode ser facilmente alavancada à medida que os ativos e a base de clientes crescem, sem atrapalhar o processo de investimento ou o modelo do negócio.
Sincronizando seres humanos e máquinas
Esta não é uma história de máquinas contra seres humanos. Máquinas precisam de programadores e profissionais de investimento precisam de dados estruturados. Por isso, na história real, máquinas e pessoas trabalham em conjunto.
“A maior mudança entre gestoras de recursos é a saída do modelo de dois níveis – com investimento fundamental tradicional e discricionário de um lado e o investimento puramente quantitativo de outro”, diz Gideon Mann, responsável por Ciência de Dados da Bloomberg. O resultado é um “modelo misto”, elaborado por uma equipe ampliada que reúne pessoas com habilidades de investimento e programadores de dados. Reconhecendo esse novo cenário, Paul Tudor Jones, fundador da Tudor Investment, contratou um exército de programadores de dados e matemáticos para melhorar o desempenho.
Os esforços das equipes combinadas serão focados em encontrar a informação certa para influenciar as decisões de negócios e então implementá-las. A transição da primazia do gestor de fundos para uma situação de completa colaboração pode permitir que descobertas quantitativas agreguem valor a uma estratégia.
A migração para esse modelo colaborativo está sendo considerada por muitas firmas de investimento, algumas das quais já estão bem avançadas. Mas nada disso acontecerá de um dia para o outro. A questão não é apenas a tecnologia, mas também repensar estruturas de trabalho que existem há décadas.
Fontes:
1: Marco Fasoli, sócio-gerente da AI Machines, em apresentação realizada durante a conferência Bloomberg Buyside Week, em Londres (2017)
2: Boston Consulting Group — The Innovator's Advantage (2017)
3: Statista (2017)
4: Aima (2017)
