Uma recente pesquisa da Refinitiv aponta que quase três quartos dos analistas quantitativos acreditam que a Covid-19 prejudicou seus modelos (e em alguns casos até os tornou obsoletos). Mas, afinal, o que gerou esses percalços e como os quants podem se adaptar ao novo ambiente global?
- Os analistas quantitativos –ou simplesmente quants, como são conhecidos— enfrentaram sérias dificuldades em 2020, mas o seu desempenho vêm melhorando neste ano.
- Tamanho, valor e momentum (velocidade da mudança de preço) são três fatores importantes para a pesquisa quantitativa. Algumas vezes, no entanto, os profissionais da área podem acabar criando modelos que não levam em conta as crises do mundo real.
- Conforme a comunidade de quants se recupera das dificuldades criadas pela pandemia, os inputs de dados e algoritmos precisam ser de altíssima qualidade.
Como os modelos computacionais dos fundos quant baseiam-se em padrões que são identificados em dados históricos, muitos deles obviamente deixariam a desejar durante um evento que ocorre uma vez a cada século, como uma pandemia.
Ao longo de 2021, o desempenho desses fundos vem melhorando, com falhas sendo contornadas, mas o principal problema ainda permanece: a maioria deles precisa ser atualizada.
Os fundos quant que prosperaram em 2020 são aqueles que possuem dados e modelos adaptativos. Assim, à medida que as preocupações com a Covid-19 se espalharam pela comunidade de investidores, os modelos baseados, por exemplo, no sentimento da mídia foram capazes de se reequilibrar rapidamente.
Por que a pandemia causou tantos problemas para os quants?
Pesquisas acadêmicas e do setor financeiro destacam há muito tempo que os preços das ações se movem em padrões que reagem ao fluxo de informações. Esses padrões são descritos como “overreaction” (reversão à média) e “underreaction” (tendência).
E os dados baseados nessas ocorrências ajudam os analistas quantitativos a identificar possíveis eventos disruptivos –mesmo acontecimentos anômalos, como uma pandemia— e extrair disso interpretações que podem “prever” as reações do mercado.
Mas, mesmo cientes de tudo isso, muitos profissionais da área demoraram a colocar em prática esses insights.
O gráfico abaixo compara o desempenho (entre janeiro de 2020 e abril de 2021) de um fator quantitativo construído a partir de sentimentos e temas da mídia (MMS) com os fatores tradicionais—tamanho (SMB); valor (HML); e momentum (MOM).
Oscilação das ações em 2020 segundo modelo baseado em sentimento da mídia e fatores quantitativos tradicionais
Fonte: Refinitiv MarketPsych Media Sentiment Model.
Tamanho, valor e momentum, os três principais “fatores” de investimento que os economistas destacam, tendem a levar a retornos acima da média no longo prazo. Para isso, as equities precisam ser agrupadas de acordo com uma característica que as defina, como tamanho, cotação baixa ou variação de preço.
A procura sistemática por esses fatores está no centro de todo o entusiasmo ao redor do investimento quantitativo, baseado em algoritmos. Contudo, na pressa de encontrar fatores que funcionassem historicamente, os quants, por vezes, se esqueceram da importância de criar modelos que respondessem às disrupções e às transformações da vida real –e essa negligência levou a desempenhos muito inferiores do que o esperado.
Investidores e sentimento da mídia
Notícias sobre ganhos, gestão ou variação no preço das ações têm efeito diferente sobre os investidores; e as reações a esses acontecimentos também produzem padrões distintos de preços.
Além disso, quando tais episódios ocorrem, o sentimento da mídia sobre o evento em si, o público, a intensidade, a visibilidade e a antecipação modulam o impacto das notícias sobre os preços.
O fator MMS, visto no gráfico acima, é um modelo baseado em machine learning de reações da mídia que são preditivas de preços de equities.
Este fator de mídia foi lançado no início de janeiro de 2020 e, conforme planejado, teve um bom desempenho ao longo dos tumultuados 16 meses desde sua estreia, superando os três fatores tradicionais mencionados acima (e sem correlação com eles).
StarMine MarketPsych Media Sentiment
O modelo StarMine MarketPsych Media Sentiment (MMS) é um sistema de classificação de ações que fornece um ranking de percentil diário de 1 a 100 para mais de 16.000 equities globais.
O MMS complementa o conjunto StarMine de modelos de ações e segue uma metodologia semelhante de pesquisa e implementação. O modelo é derivado do Refinitiv MarketPsych Analytics.
As pontuações do MMS são projetadas para prever os retornos relativos do preço das ações no mês seguinte, com aquelas com classificação mais alta apresentando desempenho superior às outras.
A avaliação histórica demonstra uma performance superior significativa nos decis superiores em relação aos inferiores, com o spread médio do decil superior-inferior para as ações globais em 10,4% ao ano entre 2006 e outubro de 2020 (incluindo 12,3% no período fora da amostra).
As pontuações MMS não estão correlacionadas com os fatores de mercado tradicionais e complementam os modelos fundamentais.
Em 2021, temos visto uma recuperação parcial dos fundos quant, e a esperança da comunidade de analistas quantitativos reside em inputs de dados e algoritmos adaptáveis. Esses modelos costumam ser baseados em Inteligência Artificial (IA), que se tornou uma ferramenta essencial para a compreensão de sutilezas e relações incomuns nos mercados financeiros.
Após a Covid-19, ficou claro que os modelos quânticos devem ser projetados para lidar com eventos inesperados. E, para fazer isso são necessárias não apenas metodologias de ponta, mas também conjuntos de dados de última geração.
Quants que ignoram qualquer um desses requisitos podem correr o risco de comprometer seu desempenho e, em última análise, se tornarem obsoletos.
