Times
Investidor 3.0

O maior diferencial dos modelos quantitativos é que eles ficam ‘calmos’ em momentos de estresse do mercado, diz Russell Korgaonkar, especialista em trading com uso de tecnologia

Korgaonkar é Chief Investment Officer (CIO) da divisão de trade sistemático da gestora de fundos multibilionária Man Group; saiba como foi a participação do financista no evento de aniversário da Empiricus

Compartilhar artigo
Data de publicação
10 de novembro de 2021
Categoria
Investidor 3.0

Se há alguns anos atrás o mais comum era recorrer à análise fundamentalista para decidir o que entraria na carteira, hoje, há outras maneiras de avaliar um papel. Os avanços em tecnologia mudaram a forma como se faz a análise de ações no mercado de capitais. Não que a análise fundamentalista não continue válida, mas ela agora enfrenta alguns “concorrentes”.

Um deles é o chamado systematic trading (trading sistemático ou negociação mecânica, em português), que mescla as inovações tecnológicas com uma outra máquina: o cérebro humano. No trading sistemático, os financistas usam computadores para processar dados e, a partir deles, fazem suas análises em busca de boas oportunidades de investimento.

Um dos especialistas nessa área é Russell Korgaonkar, Chief Investment Officer (CIO) do Man AHL, a divisão do Man Group dedicada ao trade sistemático. O Man Group é uma gestora de investimentos, fundada em 1783, que possui mais de 135 bilhões de dólares em ativos sob gestão. 

Korgaonkar foi um dos convidados do evento de aniversário de 12 anos da Empiricus, o Investidor 3.0. Em entrevista, conduzida pela analista Lais Costa, ele falou sobre alguns princípios do systematic trading, sobre a parceria do Man Group com a Universidade de Oxford e sobre o uso da tecnologia em seu ramo de atuação. 

Trading sistemático usa a tecnologia e a mente humana para fazer análise de dados 

Diferente do trading discricionário, no qual os profissionais tomam decisões de compra e venda baseado em suas percepções pessoais e em suas experiências, o trading mecânico faz uso de um segundo elemento, além da expertise humana: os dados do mercado. E são definidas metas de negociações, controles de riscos e regras, automatizando o processo.

Com isso, um dos desafios do systematic trading é diferenciar o que é dado do que é apenas ruído. Para Russell Korgaonkar, existem alguns fatores que definem se os dados podem ser usados ou não:

  • Tem que ser relevantes;

  • Tem que ser precisos;

  • Tem que ser preditivos de uma negociação, ou seja, precisam indicar algum tipo de movimento previsível para que os gestores possam tomar decisões de investimento;

  • Idealmente, não devem ser facilmente acessíveis para muitas pessoas.

Em resumo: a tecnologia é responsável pela coleta dos dados, mas são as pessoas que definem os critérios de seleção e o modo como as informações serão usadas. 

Por esse motivo, o CIO reforça a importância de ter equipes diversas dentro das gestoras. Um time que possui pessoas com habilidades, backgrounds e percepções diferentes costuma ser melhor e mais inovador. Ao passo que times com pessoas muito iguais, “chegam à mesma conclusão sobre alguns problemas e não veem os pontos cegos”, comenta Korgaonkar.

Como o machine learning pode ajudar o mercado financeiro

Como uma das bases do trade sistemático é a tecnologia, o Man Group fez uma parceria com a Universidade de Oxford, com objetivo de aprimorar o uso de machine learning no mercado financeiro. Com esta tecnologia, os computadores aprendem como processar dados, através de algoritmos. Ela está associada à inteligência artificial e pode ser usada para criar sistemas analíticos. 

“Nós alimentamos a máquina com bases de dados e então a máquina nos diz se há alguma previsibilidade. A partir daí, os analistas têm que ver se faz algum sentido”, explica Russell Korgaonkar. 

Esta tecnologia pode ser promissora, principalmente em um mundo onde há tantas informações disponíveis e que podem ser particularmente difíceis de serem processadas e filtradas.

Máquinas não podem ser influenciadas por humanos?

Não é que o trading sistemático seja completamente imune aos preconceitos, inclinações e vieses humanos. Afinal, os algoritmos de machine learning são feitos por pessoas. No entanto, as máquinas estão menos propensas a serem levadas pelo calor do momento. 

É por isso que o diferencial dos modelos quantitativos fica mais evidente em momentos de crise e estresse do mercado, quando as emoções costumam tomar conta dos investidores e gestores e eles estão mais propensos a tomar decisões precipitadas. 

“O benefício dos modelos quantitativos, particularmente em momentos de estresse, é que eles ficam calmos e fazem o que foram orientados a fazer. A emoção não entra no meio do caminho”, diz o CIO da Man AHL. 

Na entrevista, Russell Korgaonkar também falou sobre as tendências ESG e alertou: restringir o portfólio para investir apenas em empresas ESG significa ter menos diversificação, o que tem seus riscos também. 

Por fim, ele também deu uma dica de carreira para aqueles que pretendem seguir um caminho semelhante ao seu: “Tente não se preocupar muito. Foque nas coisas que você pode construir e desenvolver”.