IA pode prever 71% das negociações de fundos de gestão ativa, diz estudo liderado por Harvard

Dia após dia, os investidores de Wall Street temem que a inteligência artificial possa perturbar os setores de serviços e tecnologia, transformando o julgamento humano especializado em código. A seleção de ações parece estar exatamente no caminho dessa disrupção. Um novo estudo acadêmico liderado por um professor da Harvard Business School descobriu que grande parte das ações dos gestores de fundos ativos segue padrões que as máquinas conseguem aprender. Utilizando um algoritmo de aprendizado de máquina chamado rede neural, o sistema conseguiu prever cerca de 71% das decisões de negociação de fundos mútuos — se um gestor compraria, venderia ou manteria uma determinada ação ao longo de um trimestre.

O modelo foi treinado em janelas móveis de cinco anos, de 1990 a 2023, utilizando informações como tamanho do fundo, fluxos de investidores, características das ações e condições econômicas mais amplas. Com base nisso, ele conseguiu antecipar a maioria dos ajustes de portfólio.

A reviravolta: suas limitações podem ser mais reveladoras do que seus sucessos. As negociações que o sistema não conseguiu antecipar — aproximadamente 29% — estiveram, em média, mais associadas a um desempenho superior. Em outras palavras, a atividade que foge aos padrões de investimento rotineiros e detectáveis parece ser onde reside a maior parte do valor.

A implicação não é que as máquinas tenham desvendado os mercados. Em vez disso, elas parecem ter aprendido grande parte das estratégias comuns do setor — como os gestores tendem a reagir aos fluxos, às tendências de mercado e aos seus pares. O que elas têm dificuldade em captar é a parcela menor de decisões que se desviam dessas estratégias.

“Se 71% das suas decisões podem ser previstas por um algoritmo, fica muito difícil justificar as taxas de gestão ativa para essa parcela”, explicou Lauren Cohen, professora de finanças de Harvard e coautora do artigo, em um e-mail. “Agora, as negociações não rotineiras, aquelas que nosso modelo não consegue prever, são onde reside o verdadeiro alfa. Mas essas representam uma parcela relativamente menor da atividade total.”

O estudo, publicado na semana passada pelo National Bureau of Economic Research e intitulado " Imitando as Finanças" , surge num momento em que a inteligência artificial está a impactar setores cada vez mais especializados de serviços profissionais. Nas últimas semanas, os receios de uma disrupção causada pela IA têm provocado oscilações acentuadas nas ações de empresas que vão desde gestoras de patrimônio a grupos de logística.

Para gestores de fundos ativos, a crítica não é nova. Há anos, os investidores vêm transferindo dinheiro de fundos de seleção de ações para produtos indexados de baixo custo. A principal promessa do setor sempre foi o "alfa" — retornos acima de um índice de referência como o S&P 500 — mesmo com os modelos quantitativos elevando constantemente o padrão, demonstrando o quanto do desempenho pode ser explicado pela ampla exposição ao mercado e por estilos de investimento já conhecidos.

Este estudo, em coautoria com Yiwen Lu, da Universidade da Pensilvânia, e Quoc H. Nguyen, da Universidade DePaul, aprofunda ainda mais essa erosão. Pesquisas anteriores, em grande parte, analisavam os retornos após o fato. Em contraste, o novo artigo tenta antecipar as próprias negociações. Os autores argumentam que os modelos de aprendizado de máquina são mais adequados do que os modelos de fatores lineares tradicionais para capturar as maneiras complexas pelas quais os gestores respondem aos fluxos, aos sinais de mercado e uns aos outros.

Sob essa perspectiva, o resultado é menos um triunfo das máquinas sobre os mercados do que uma reformulação do que constitui a gestão ativa. Grande parte da atividade diária dos fundos parece seguir padrões que podem ser mapeados — e, em princípio, reproduzidos a um custo menor.

Algumas dessas operações previsíveis de compra e venda podem servir a propósitos essenciais — gerenciar liquidez, ajustar risco ou reequilibrar portfólios, diz Cohen. Mas se a maior parte dessa atividade for, na verdade, baseada em regras, fica mais difícil argumentar que ela exige discricionariedade dispendiosa.

“O componente de 'julgamento humano' acaba sendo mais sistemático do que parece, mas você precisa de ferramentas suficientemente flexíveis para perceber isso”, disse Cohen.

O estudo também constata que a previsibilidade varia. Fundos maiores, que cobram taxas mais altas, que são geridos por equipes maiores e que enfrentam mais concorrência, tendem a ser menos previsíveis em média, enquanto gestores com maior tempo de atuação ou que trabalham com múltiplos produtos tendem a ser mais previsíveis. O modelo prevê a direção das negociações, e não o seu volume — uma limitação que os autores planejam abordar em trabalhos futuros.

Apesar do recente entusiasmo em torno da IA, as descobertas ressaltam uma distinção importante. Prever o comportamento dos gestores parece mais fácil do que prever a movimentação dos mercados. Os preços dos ativos refletem as interações de milhões de participantes e as expectativas em constante mudança. Os hábitos profissionais, por outro lado, costumam seguir padrões reconhecíveis.

Em última análise, a faixa mais restrita de negociações que o modelo não conseguiu prever tendeu a ter um desempenho melhor — um sinal de que elas podem refletir a engenhosidade humana, como descobrir informações sobre uma ação que outros ignoraram. Simplesmente agir aleatoriamente dificilmente produzirá o mesmo resultado.

É claro que as máquinas podem ficar ainda melhores à medida que coletam mais dados. Por ora, porém, as implicações são econômicas, e não existenciais. Se a maioria dos ajustes de portfólio puder ser prevista por um algoritmo, a justificativa para taxas ativas se baseia cada vez mais na menor parcela de decisões que se desviam do modelo.

“A parte genuinamente qualificada, o componente imprevisível e não rotineiro, é real, mas pequena”, disse Cohen. “A implicação política não é tanto substituir os gestores em massa, mas sim reavaliar o valor real de suas atividades previsíveis versus imprevisíveis.”