Variáveis qualitativas em um mundo quantitativo
As estratégias de fundos quantitativos, das mais simples de médias móveis às redes neurais mais complexas, nada mais são do que grandes funções matemáticas. Funciona assim: entra uma sequência
de números e a função te devolve outro número. Na verdade, adiciona-se o contexto que as séries são dados financeiros e macroeconômicos auditados e que o resultado deve ser interpretado em uma ordem de compra ou venda de determinado ativo, mas a função permanece sendo uma função.
Desse modo, encontramos um problema: nem todo indicador é em sua essência numérico. Inúmeros fatores que claramente afetam o mercado são medidas qualitativas. Em alguns casos, é difícil convertê-lo em um número ou a sua interpretação é complexa. Por exemplo, como determinar qual número deveria entrar na grande função do efeito de uma notícia? Ou: como a composição e a experiência dos executivos afetam o desempenho da empresa? Ou ainda: como e quais medidas ESG deveriam ser consideradas?
A depender da ocasião, é até possível quantificar, mas é difícil observar a variável. O problema de variáveis não observáveis é muito presente em pesquisas de econometria e estatística, mesmo com diversas soluções apresentadas para contornar esse impasse, como a utilização de outras variáveis próximas representativas, chamadas de proxies. Atualmente, já possuímos métodos que permitem, inclusive, a criação de construções que aproximem estas variáveis não-observáveis, como Análise do Componente Principal, que pega variáveis que podemos observar e que são afetadas por esta variável não observável e consegue “reconstruí-la” a partir do efeito aparente que ela tem nas variáveis observáveis.
Avanços em aprendizado de máquinas (machine learning) também colaboram para a redução desse problema. Com suficiente quantidade de dados de qualidade e poder computacional, é possível construir programas que obtenham uma aproximação numérica de quase qualquer tipo de dado, como imagens e textos. Enquanto ainda cabe às mãos humanas desenhar a estrutura e interpretar os números que saem dos algoritmos, que muitas vezes são “black box”, tais avanços permitem acesso a uma gigantesca quantidade de informações que serão tratadas, incorporadas e finalmente transformadas em sinais. Dessa forma, o avanço dessas técnicas destravou um novo horizonte para as estratégias quantitativas. O desafio deixa de ser ter dados, e passa a ser selecionálos pela sua qualidade, confiabilidade e importância.
Evandro Buccini, sócio e diretor de Renda Fixa e Multimercados da Rio Bravo e André Blanco, gerente de Multi Asset da Rio Bravo.
