Novo whitepaper da Refinitiv explora o impacto que conjuntos de dados alternativos podem ter no desempenho do portfólio, além de avaliar como uma estrutura quantitativa pode ser usada para calcular o valor monetário desses conjuntos.
- O estudo aponta formas de se avaliar o valor agregado de dados alternativos em relação a qualquer referência, seja um índice passivo ou uma estratégia de investimento ativa baseada em fatores.
- Como um sinal independente, dados alternativos se equipararam ou até superaram as estratégias multifatoriais e o benchmark S&P.
- O documento da Refinitiv elenca os benefícios obtidos com a incorporação de fontes de dados alternativas em estratégias de investimento quantitativo e como esses dados podem aumentar ainda mais a rentabilidade.
De imagens de satélite ao sentimento da mídia, os dados alternativos ganham popularidade a cada dia, e têm sido fundamentais para que investidores obtenham vantagem competitiva.
Mas será que os custos de aquisição e de gerenciamento desses dados compensam? E como atribuir a eles um valor monetário para justificar seu uso?
Para obter respostas para essas e outras questões elaboramos um detalhado whitepaper sobre o tema: “The Value of Alternative Data: the Case for Media Sentiment” (ainda sem tradução para o português). Nessa tarefa, empregamos backtesting para avaliar o desempenho dos portfólios quando se utiliza o Refinitiv Media Sentiment como um sinal de investimento independente em vez de uma estratégia multifatorial tradicional ou do benchmark S&P500. Comparamos a performance de investidores de vários perfis (tanto aqueles que operam apenas short quanto os que adotam uma estratégia long e short) e em frequências de rebalanceamento mensal versus a trimestral. Leia, a seguir, o resumo das principais conclusões.
Leia o whitepaper “The Value of Alternative Data: the Case for Media Sentiment”
Quais foram as principais descobertas?
-
Como um sinal independente, dados alternativos corresponderam ou superaram as estratégias multifatoriais e o benchmark S&P
Embora os resultados variem entre os portfólios, no geral, o estudo mostrou que o uso do conjunto de dados alternativos de sentimento da mídia como uma estratégia de investimento de fator único alcançou –em termos de retorno, volatilidade e Índice de Sharpe— resultados equivalentes aos da estratégia multifatorial.
Para investidores que operavam apenas long, tanto as estratégias multifatoriais quanto a de sentimento trouxeram retornos entre 2% e 2,5% acima do benchmark S&P. Mas, quando fizemos o mesmo teste com carteiras que misturam long e short, a estratégia de sentimento começou a superar o modelo multifatorial.
Ou seja, esses resultados sugerem que os investidores poderiam maximizar os rendimentos se empregassem técnicas mais simples, que os fariam economizar tempo, recursos e, ao mesmo tempo, gerariam Alfa.
Indicadores de sentimento para os índices S&P 500, FTSE e STOXX (de janeiro de 2020 e março de 2022)
-
As posições short contribuíram significativamente para os retornos excedentes sobre o benchmark (e até mesmo sobre o modelo multifatorial)
Em nosso whitepaper, o método que emprega dados alternativos forneceu retornos excedentes (entre 3% e 5,5%) sobre o benchmark S&P para carteiras long-short. Já para as carteiras long, o excedente ficou entre 2% e 2,5%.
No entanto, quando os portfolios eram compostos por 50% ou mais de posições vendidas (short), a estratégia de sentimento começou a superar tanto o benchmark quanto a multifatorial. Nesse caso, quanto maior a percentagem short, maior a rentabilidade –e melhor o modelo de sentimento do que o multifatorial e o benchmark.
A tabela abaixo demonstra a correlação entre os fatores tradicionais e de sentimento no mercado dos Estados Unidos.
-
Multiplicar o AUM (assets under management) do fundo pela medida GH1 é uma maneira eficaz de quantificar o valor monetário de estratégias de dados alternativos
Para responder à questão de como calcular o valor monetário de conjuntos de dados alternativos, o estudo da Refinitiv estabelece uma estrutura quantitativa.
Isso consiste em calcular a medida GH1 para cada carteira em relação a uma estratégia de benchmark ou multifatorial e, em seguida, multiplicar essa medida pelo AUM do fundo, chegando assim à receita anual adicional que seria esperada caso fosse utilizado um conjunto de dados alternativo.
Por exemplo, para um investidor hipotético no estudo, a métrica GH1 da estratégia de sentimento em relação ao S&P500 foi igual a 1% ao ano. Para um fundo de US$ 100 milhões, isso representaria uma rentabilidade de US$ 1 milhão por ano. E, quando comparado com a estratégia multifatorial, o mesmo investidor atinge uma medida de GH1 de 0,42%, equivalente a US$ 420 mil de rendimento adicional.
Calculado em relação aos fatores de recuperação, isso funciona como um guia –bastante útil para avaliar o valor real dos dados e apresentar um argumento convincente para seu uso.
-
O valor dos dados alternativos vai além da geração de Alfa
Calcular um valor monetário para retornos excedentes, ou como se diz, Alfa, é apenas uma maneira de avaliar o valor dos dados alternativos.
Esse novo estudo defende a ideia de que uma estrutura de avaliação abrangente para dados alternativos deve considerar tanto o aumento da rentabilidade quanto a redução do risco.
Isso ocorre porque ao diminuir a volatilidade (como demonstrado em alguns dos backtests), dados alternativos ainda podem gerar oportunidade de se aumentar os rendimentos. E isso é particularmente verdadeiro se a redução na volatilidade for bastante pronunciada (conforme detalhado em um exemplo fornecido no whitepaper).
As tabelas 1 e 2 (abaixo) mostram o desempenho das estratégias entre 2010 e 2019 para investidores com posições long (investidores 1 e 2)
-
A combinação de dados alternativos com modelos mais complexos pode aumentar ainda mais a rentabilidade
Tanto os exemplos quanto as estratégias utilizadas em nosso whitepaper são simples, e o valor real de quaisquer dados alternativos dependerá, obviamente, do perfil do investidor e do tamanho do fundo. Mas esse trabalho serve para demostrar que adicionar um conjunto de dados alternativos a uma estratégia multifatorial pré-existente ajuda a aumentar ainda mais os rendimentos e melhora o Índice de Sharpe.
Isso, por si só, já justifica uma exploração mais aprofundada. Afinal, devemos avaliar se a combinação de conjunto de dados alternativos (como os de sentimento da mídia) com estratégias mais sofisticadas geraria rendimentos ainda melhores.
