Menos 'feeling', mais fórmulas: onde o investimento quantitativo está colocando dinheiro

O "feeling" do gestor vem dividindo espaço com fórmulas, estatística e regras objetivas na gestão de investimentos. Nos fundos quantitativos, balanços, preços, volatilidade, liquidez e outros dados são transformados em modelos capazes de selecionar ativos, dimensionar posições e controlar riscos sem depender da interpretação subjetiva de quem está à frente da carteira. A inteligência artificial não criou essa indústria, mas está acelerando sua evolução ao ampliar a capacidade de processar grandes volumes de dados e testar novas estratégias — inclusive a partir de informações que antes eram difíceis de transformar em números, como notícias, redes sociais e podcasts.

"Um fundo quantitativo transforma uma tese de investimento do gestor em regras verificáveis. Em vez de depender da interpretação de um gestor, ele utiliza dados, modelos estatísticos e matemáticos e processos sistemáticos", afirma Carlos Daltozo, especialista de produtos da Bridgewise que faz análises de 70 mil ativos e cobre 90% dos papéis listados no mundo a partir de dados.

É nesse ponto que entram empresas como a própria Bridgewise e a Context Analytics, adquirida pela companhia no início deste ano. Sediada em Chicago e atendendo clientes como BlackRock e S&P Global, a Context trabalha justamente em uma fronteira que ganhou importância com o avanço da tecnologia: transformar dados que não estão originalmente organizados para análise financeira em informações estruturadas que possam ser incorporadas a modelos quantitativos.

A empresa coleta informações de redes sociais, notícias, podcasts e documentos divulgados por companhias e transforma esse conteúdo em indicadores. Em vez de entregar apenas uma notícia ou uma publicação, por exemplo, o sistema procura identificar o contexto e o sentimento associado a determinado ativo, convertendo a informação em um dado que pode ser testado por umaestratégia quantitativa.

"Dado bruto não é inteligência. O valor está exatamente em transformar esse dado em um sinal, em um insight que possa ser testado e incorporado às teses de investimento", diz Daltozo.

De balanços a redes sociais

A análise quantitativa não se limita aos números tradicionais dos balanços das empresas de capital aberto. A Context também trabalha com documentos regulatórios, notícias, redes sociais e podcasts. A tecnologia procura transformar palavras e contextos em variáveis que possam ser comparadas historicamente.

Um exemplo citado pela companhia é o estudo chamado "Lazy Prices", que analisa a quantidade de palavras utilizada nos relatórios anuais das empresas. A ideia, segundo Daniella Italiano, Sales Manager da Bridgewise para a América Latina, é observar a variação da linguagem entre diferentes períodos.

"Esse estudo indica que as empresas que mantêm uma linguagem mais constante, mais consistente dos seus balanços, da sua divulgação de resultados, performam mais do que aquelas empresas que têm uma oscilação muito grande entre umas e outras", afirma.

O mesmo princípio pode ser aplicado a outras fontes. Em uma conversa de um executivo ou analista, por exemplo, a tecnologia pode comparar o tom utilizado em uma apresentação com o de períodos anteriores e identificar mudanças na frequência de palavras associadas a risco, cautela ou perspectivas positivas.

Para um fundo quantitativo, o objetivo não é necessariamente concluir que determinado executivo está certo ou errado. O dado pode ser incorporado ao modelo para verificar se aquela mudança de sentimento possui relação estatística com o comportamento posterior do ativo.

A atualização também pode ser extremamente rápida. Segundo a Bridgewise, o indicador pode ser atualizado a cada minuto e, para determinadas gestoras, os dados podem chegar em intervalos de até 30 segundos.

Quando as redes sociais viram sinal de mercado

Um dos exemplos apresentados pela Bridgewise é o da Wendy’s, rede americana de fast-food que, segundo a empresa, passou por uma mobilização nas redes sociais. Uma publicação no Reddit defendendo que era preciso “salvar” a companhia ganhou repercussão e provocou uma forte mudança no sentimento em torno da ação.

No pregão seguinte, a ação subiu 17%. O movimento, segundo Daltozo e Italiano, não foi provocado por uma mudança nos fundamentos da companhia, mas por uma mobilização social que se refletiu no comportamento do papel.

A alta também foi potencializada por um movimento deshort squeeze, no qual investidores que estavam apostando na queda da ação precisaram recomprar os papéis à medida que o preço subia, aumentando a pressão compradora.

“Nem todo movimento que acontece no mercado é por conta de mídias sociais, mas conseguimos ver uma relação ali de desses dados que mostram um early stage, uma antecipação de movimento", afirma a Sales Manager da Bridgewise para a América Latina.

Para os gestores quantitativos, esse tipo de informação pode ter valor justamente por chegar antes de uma movimentação mais evidente no mercado. A Bridgewise afirma que suas bases históricas permitem testar esse tipo de relação por longos períodos.

A IA entra para acelerar a pesquisa, diz gestora

A Daemon Investimentos é um exemplo de gestora que utiliza inteligência artificial dentro do processo quantitativo, mas não para delegar à máquina a decisão final de investimento.

A gestora, que administra cerca de US$ 7 bilhões no total, começou sua operação quantitativa em 2016. Hoje, possui estratégias que podem envolver ações, renda fixa, futuros e opções, além de atuação em diferentes mercados globais.

Ricardo Gomes, CFO e CCO da Daemon, afirma que o principal uso da IA na casa está na pesquisa. Segundo o executivo, a tecnologia deu "superpoderes" aos analistas quantitativos ao reduzir o tempo necessário para testar hipóteses e desenvolver estratégias.

"Nós não chegamos para o ChatGPT e falamos: ‘ChatGPT, devo comprar, devo vender Petrobras? Tem alguma oportunidade?’. Não é isso que fazemos", afirma Gomes. "O nosso uso principal hoje é mais para acelerar a pesquisa do que efetivamente para gerar estratégia".

Antes da IA, determinadas pesquisas poderiam levar anos, especialmente quando envolviam o acesso e a organização de dados de diferentes mercados. Agora, a capacidade de testar hipóteses aumentou.

Um analista pode, por exemplo, investigar rapidamente como empresas de determinado setor e país se comportaram quando apresentaram determinado múltiplo financeiro. Também pode ampliar a pesquisa para mercados que não eram acompanhados diretamente pela equipe.

"Algo que antes ia demorar anos para desenvolver, por exemplo, a entrada em outros mercados, acabou ficando muito mais rápido", diz o diretor financeiro.

A consequência, porém, não é necessariamente uma multiplicação automática das posições. Quanto mais fácil fica desenvolver uma hipótese, maior também precisa ser o rigor para verificar se ela realmente acrescenta valor ao portfólio.

"Quando se consegue agilizar o processo de pesquisa, acaba tendo mais estratégias, mas não necessariamente implementa essas estratégias. Porque, se está tão fácil, também é precisao fortalecer seu processo de verificar se essas estratégias fazem diferença no portfólio, como funciona a correlação dela com as nossas estratégias", afirma.

A abordagem quantitativa também permite à Daemon ampliar o universo de ativos analisados sem precisar necessariamente manter um especialista humano dedicado a cada mercado.

"Por ser quantitativo, conseguimos acessar alguns mercados não óbvios. Acho que nenhuma gestora brasileira tem um analista que cobre Palladium. Mas podemos ter posição, por exemplo, em Palladium [com a análise quantitativa]".

Segundo Gomes, essa é uma das vantagens do modelo, de conseguir cobrir diferentes mercados sem precisar necessariamente de uma pessoa especializada em cada um deles. O fundo da gestora, por exemplo, possui mais de mil posições diariamente, segundo o executivo. A expectativa é que autilização da IA permita ampliar esse número nos próximos anos, potencialmente chegando perto de 5 mil posições.

A estratégia também busca controlar a volatilidade e manter baixa correlação com índices tradicionais. A ideia é que o fundo quantitativo funcione como uma fonte de diversificação para uma carteira que já tenha, por exemplo, exposição ao Ibovespa.

"Esperamos que o nosso fundo apresente uma descorrelação tão grande que gere valor se você olhar no retorno esperado versus o risco dessa carteira", diz Gomes.

O humano ainda está no comando

Apesar da crescente capacidade de processamento, a inteligência artificial não eliminou a responsabilidade do gestor. Na Daemon, por exemplo, a tecnologia é tratada como ferramenta de pesquisa, enquanto a implementação de uma estratégia depende de uma série de testes.

"É difícil que a IA tome conta de tudo, especialmente no curto prazo. Estamos enxergando como uma ferramenta para ajudar no processo de pesquisa, acelerar, colocar novas estratégias, achar mais fontes de alfa", afirma o diretor financeiro da Daemon.

A Bridgewise também ressalta que a análise quantitativa não substitui necessariamente o contato humano com as companhias. "A máquina nunca vai substituir o olho no olho, essa interação do analista com o presidente da companhia, com o diretor de RI, quem quer que seja", afirma a Sales Manager da Bridgewise para a América Latina.

A diferença está no tipo de informação utilizado. A análise qualitativa pode considerar uma conversa, uma percepção ou a interpretação de um gestor. Já o modelo quantitativo trabalha com aquilo que pode ser mensurado e transformado em uma variável.

Isso explica também por que um fundo quantitativo pode existir sem utilizar inteligência artificial. "Nem todo fundo quantitativo utiliza inteligência artificial, e a inteligência artificial não é sinônimo de fundo quantitativo", ressalta Daltozo.

Um mercado ainda pequeno no Brasil

Embora existam gestoras quantitativas no país, o mercado brasileiro ainda é considerado menos desenvolvido que o americano. A própria Bridgewise afirma que a operação da Context tem maior presença no mercado internacional e que a solução baseada em dados de sentimento ainda está em fase inicial no Brasil.

Daniella Italiano afirma que existem gestoras brasileiras com exposição internacional interessadas nesse tipo de ferramenta, mas que a empresa ainda está desenvolvendo a solução para o mercado doméstico. Uma das barreiras é a língua. A tecnologia da Context foi desenvolvida principalmente para dados em inglês, e a empresa ainda não possui o mesmo produto para português.

A executiva da Brigdewise diz que há cerca de 15 a 20 gestoras quantitativas brasileiras com operação no exterior, mas ressalta que não existe um número oficial consolidado, já que uma gestora pode ter apenas uma estratégia quantitativa dentro de uma estrutura maior. A Associação Brasileira das Entidades dos Mercados Financeiro e de Capitais (Anbima) também não divulga um número específico para as gestoras que adotam estratégias quantitativas.

A própria Bridgewise está em processo de apresentar a solução a esse mercado. Segundo os executivos, duas gestoras chegaram a testar internamente os dados da Context até o momento, mas isso não significa que tenham incorporado a ferramenta às estratégias destinadas aos clientes.

Para Ricardo Gomes, da Daemon, o desenvolvimento desse mercado no Brasil esbarra em custos e em uma barreira de conhecimento do investidor. "Parece que não, mas comprar dados é caro. O time precisa ter uma bagagem muito grande. O time também é algo caro e precisa ser muito desenvolvido no Brasil", afirma.

Também existe uma diferença na forma como o produto é compreendido pelos investidores. Segundo o CFO da casa, enquanto investidores institucionais americanos já chegam às conversas com conhecimento sobre estratégias quantitativas, no Brasil ainda é necessário explicar como os modelos funcionam.

Vale a pena investir em um fundo quantitativo?

A maior capacidade de processamento desse tipo de modelo de análise, entretanto, não elimina o principal problema dos modelos quantitativos: o futuro não é uma repetição perfeita do passado.

André Neves, especialista em mercado de capitais e banking e sócio do BZCP Advogados, chama atenção para o risco de overfitting. Nesse caso, o modelo encontra padrões que explicam muito bem os dados históricos, mas que podem ter surgido por acaso e não se repetir no futuro.

"Isso é conhecido na indústria como 'data snooping' – quanto mais variáveis o modelo testa, maior a chance de achar uma correlação estatística que é pura coincidência. Com a utilização de IA, a tendência é a utilização de quantidade de dados cada vez maior, o que pode aumentar a chance de overfitting ocorrer. O que é prejudicial para o investidor é que o histórico de performance de um fundo quantitativo não prova que a tese vai continuar funcionando, mas apenas que funcionou até ali", afirma Neves.

Outro risco apontado pelo especialista é o efeito manada entre modelos. Se diferentes gestores utilizarem bases de dados semelhantes e técnicas de IA parecidas, os algoritmos podem chegar a decisões próximas e acabar comprando ou vendendo ativos simultaneamente.

Neves cita como exemplo o chamado “quant quake”, de agosto de 2007, quando fundos quantitativos sofreram perdas simultâneas em poucos dias. Nesse caso, o risco não necessariamente aparece quando se observa apenas um fundo. Ele pode surgir no conjunto do mercado, quando diversas estratégias aparentemente diferentes acabam expostas aos mesmos fatores.

Existe ainda um problema mais básico, em que o modelo sofisticado não consegue transformar uma informação ruim em uma informação boa.

Neves destaca que dados contábeis podem apresentar diferenças de padrões entre países e setores, defasagem em relação aos acontecimentos mais recentes e até viés de sobrevivência, com empresas que quebraram podem deixar de fazer parte de determinadas bases históricas. "Um modelo de IA é só tão bom quanto os dados que o alimentam", afirma.

O problema também aparece quando o modelo tenta trabalhar apenas com números das empresas. Mudanças regulatórias, decisões judiciais, crises geopolíticas e rupturas tecnológicas podem não ter precedentes suficientes na série histórica usada para treinar o algoritmo.

Mas esses contrapontos não significam que a análise quantitativa seja inválida. Para Neves, a abordagem tem racionalidade e histórico de resultados, "mas funciona melhor como parte de um processo de decisão mais amplo do que como uma 'caixa-preta' autônoma".

Pedro Galdi, analista do AGF, resume essa diferença ao dizer que o investimento quantitativo transforma fatores que influenciam os preços dos ativos em regras objetivas, que podem ser testadas em dados históricos e executadas de forma sistemática.

"Existe um universo de estratégias que os investidores e gestores podem adotar e cada uma tem seu sentido", afirma Galdi.

"Eu sigo baseado em investimentos em empresas com bons fundamentos e com boa política de distribuição de dividendos. Escolher empresas boas de setores perenes, acumular, aportar novos recursos e reinvestir dividendos. Nada contra, entendo que cada investidor deve optar no que ele acredita que lhe oferece mais segurança e maior retorno", acrescenta.

Os especialistas destacam que o fundo quantitativo pode ocupar um papel de diversificação dentro de uma carteira, mas ressaltam que essa diversificação não significa ausência de risco.