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.
