Os investidores institucionais estão procurando retornos. Sobreposições de máquina podem ajudar a encontrá-los

Por Nicholas Abe, cofundador e COO da Impulsionado.ai

Como podem os investidores obter o melhor dos dois mundos a partir de abordagens quantitativas e fundamentais? Ao implementar sobreposições de aprendizado de máquina, escreve Nick Abe, cofundador e diretor de operações da Boosted.ai. Os gerentes fundamentais estão deixando os ganhos sobre a mesa por não se adaptarem às mudanças tecnológicas e à demanda dos investidores institucionais. Abe demonstra que combinar sua experiência no domínio financeiro com ferramentas de inteligência artificial de ponta pode aumentar alfa e Sharpe.

Ambos os lados do espectro de investimento – quantitativo e fundamental – tiveram problemas recentemente. Mesmo os investidores mais sofisticados tiveram dificuldades em 2020 devido à volatilidade imprevista que a pandemia do COVID-19 trouxe ao mercado.

A abordagem quantitativa vem crescendo lentamente dentro de grandes gerentes de ativos à medida que eles criam suas próprias equipes quantitativas. No entanto, a promessa de ter uma vantagem da tecnologia moderna encontrou dificuldades para colocar o aprendizado de máquina em prática com sucesso, em grande parte devido à experiência necessária e ao alto custo de desenvolvimento de um programa funcional.

Lojas quantitativas bem-sucedidas empregam vários Ph.D.s, cientistas de dados e engenheiros para dar sentido a grandes quantidades de dados complexos – e mesmo assim às vezes falham. Encontrar o poder preditivo dos dados é difícil, e eventos de cisne negro como COVID-19 e outras mudanças de regime podem tornar esses dados obsoletos sem supervisão humana.

Falhas Fundamentais

A maioria das pessoas está ciente dos princípios da análise fundamental – estudar demonstrações financeiras e incorporar fatores econômicos para tomar decisões sobre onde os investidores devem investir para obter os melhores retornos de acordo com as metas e apetite de risco. Os investidores praticaram e aprimoraram essa abordagem demorada para gerar retornos por décadas. Alguns, no entanto, estão se preparando para aproveitar a tecnologia moderna, como aprendizado de máquina e dados alternativos, para aprimorar o desempenho, sintetizar informações em menos tempo e reduzir quaisquer vieses cognitivos que possam interferir no processo de tomada de decisão.

Além disso, a gestão de investimentos ativos fundamentais está enfrentando imensos desafios, desde a compressão de taxas e avanços tecnológicos até a mudança do sentimento do investidor em direção a ETFs de baixo custo.

O que as abordagens quantitativa e fundamental têm em comum? Eles estudam o mundo ao seu redor para tomar decisões informadas sobre onde melhor aplicar capital para retornos.

Mas e se houvesse uma terceira opção?

A chamada para o aprendizado de máquina no gerenciamento fundamental

O aprendizado de máquina revolucionou as indústrias e a vida cotidiana. Do Google Tradutor aos carros autônomos, a tecnologia está transformando o mundo da mesma forma que a revolução industrial anterior, e o setor de gestão de investimentos não ficará imune às mudanças. De acordo com um estudo de 2019 do CFA Institute que entrevistou gerentes de portfólio, apenas 10% dos gerentes de portfólio usaram inteligência artificial ou aprendizado de máquina em seu processo de investimento.

À medida que a tecnologia continua a progredir, as técnicas de aprendizado de máquina se tornarão um aspecto inegociável da gestão de investimentos. No entanto, muitos aplicativos de aprendizado de máquina exigem conhecimento de programação estranho aos gerentes tradicionais que estão mais confiantes em sua própria análise fundamental, que podem fazer por conta própria e, por padrão, ter uma compreensão mais profunda.

Dados os obstáculos acima, como os gerentes fundamentais podem se adaptar com sucesso?

Combinando para um processo melhor: sobreposições de aprendizado de máquina

Adicionar uma sobreposição de aprendizado de máquina a um portfólio é apenas um exemplo de casamento entre a experiência fundamental do gerente de investimentos e as vantagens tecnológicas que a IA tem a oferecer.

As sobreposições de máquinas resolvem os obstáculos dos investidores fundamentais que procuram incorporar a tecnologia. Eles são fáceis de usar e podem ser implantados sobre os portfólios existentes dos investidores tradicionais, sem a necessidade de nenhum conhecimento de programação. Eles fornecem total explicabilidade do raciocínio da máquina, mostrando quais variáveis ​​o aprendizado de máquina considerou importantes em sua tomada de decisão. Isso ajuda os gerentes fundamentais a se sentirem mais à vontade para implementar a inteligência em seus processos.

Por exemplo, uma sobreposição de aprendizado de máquina Boosted Insights pega o portfólio existente de um gerente de investimentos e ajusta ligeiramente as ponderações da posição de ações. Ele não adiciona novas posições – em vez disso, ajusta as ponderações (compradas ou vendidas) das ações na carteira existente do gerente. Com base em suas descobertas, as ações com classificação alta podem ter suas ponderações aumentadas e as ações com classificação ruim podem ter suas ponderações reduzidas.

No final, as sobreposições de aprendizado de máquina permitem que um gerente de investimento fundamental combine sua perspicácia de seleção de ações com tecnologia de ponta, financie AI/ML específico para obter melhores resultados.

Um gerente de investimentos pode gostar de ações do Facebook, Apple, Amazon, Netflix e Google (FAANG) e descobrir que elas oferecem bom desempenho em seu portfólio, mas têm todas as cinco com pesos iguais. A adição da sobreposição de aprendizado de máquina Boosted Insights permite que a máquina altere ligeiramente as ponderações - digamos, o Facebook é reduzido para 18.5% e a Apple é aumentada para 21.5%. Essas pequenas diferenças, mantendo exatamente o mesmo portfólio do gestor de investimentos, podem resultar em melhores resultados em termos de retorno, alfa e volatilidade.

Descobrimos que esses tipos de modelos são capazes de melhorar carteiras que já apresentavam alfa alto apenas ajustando os pesos das ações e não precisando ajustar a composição. Beta permaneceu consistente, pois as alocações de linha de base foram ajustadas pelas sobreposições do modelo.

Aprendizado de máquina para investir melhor

O aprendizado de máquina tem e continuará a perturbar as indústrias. Os gerentes de investimento podem aprimorar os objetivos de seu portfólio implementando o aprendizado de máquina em seu processo, mas de maneira complementar e orgânica ao fluxo de trabalho. Uma boa maneira de mergulhar nas águas das técnicas de aprendizado de máquina é implementar uma sobreposição de aprendizado de máquina.