Pílulas da Academia VIII: Machine Learning em Finanças
À medida que nos aproximamos do início do novo ano, gostaríamos de compartilhar um dos projetos em desenvolvimento na nossa gestora. Mantemos o foco contínuo em assegurar que nossos fundos estejam sempre alinhados com a vanguarda do conhecimento, garantindo assim que nossos cotistas tenham acesso aos produtos de mais alta qualidade. Neste contexto, destacamos os fundamentos dos nossos esforços voltados para a implementação de modelos de Machine Learning (ML) na seleção de ações.
Da IBM a Cartões de Crédito: Um Olhar sobre a História do ML no Financeiro
O uso de técnicas de ML no setor financeiro tem um histórico significativo, que vai além da seleção de ações. Um exemplo notável é o estudo de White (1988), que utilizou redes neurais para prever os retornos diários das ações da IBM. Além disso, Khandani e colaboradores (2010) mostraram que as técnicas de ML podem melhorar a precisão na identificação de inadimplentes em cartões de crédito, com reduções nas perdas totais variando de 6% a 25%.
Avanços Recentes e novas Descobertas: Machine Learning Supera métodos tradicionais em 2023
No âmbito específico da seleção de ações, Gu e colaboradores (2020) analisaram 60 anos de dados do mercado de ações americano, demonstrando a superioridade das técnicas de Machine Learning em comparação com métodos tradicionais. Esta vantagem é atribuída à capacidade dos algoritmos de ML em capturar não linearidades e interações complexas entre variáveis. De forma mais específica, os autores apontaram que algoritmos baseados em árvores de decisão e redes neurais se mostraram particularmente eficientes.
Recentemente, pesquisas se concentraram na avaliação da eficácia de métodos de ML em diferentes contextos. Hanauer & Kalsbach (2023) estudaram 32 mercados emergentes e descobriram que portfólios baseados em previsões de modelos de ML geram um alfa significativo no modelo de seis fatores de Fama & French (2018). Um aspecto interessante é a observação de um fenômeno de transfer learning, onde os modelos treinados apenas com dados de mercados desenvolvidos demonstram eficiência na previsão de retornos em mercados emergentes.
Avantgarde e o Futuro: Inovação Contínua em Investimentos
As discussões nos artigos mencionados fornecem insights sobre a direção atual no desenvolvimento de novos modelos e estratégias de investimento. Enquanto a Avantgarde mantém seu foco nas metodologias baseadas em fatores de risco, a incorporação de modelos de Machine Learning surge como uma promissora abordagem para gerar retornos que não estão correlacionados com as estratégias atuais.
Portanto, reafirmamos nosso compromisso com a inovação e a visão de longo prazo, sempre valorizando as estratégias e os conhecimentos que fundamentaram nossa trajetória. Neste espírito de evolução constante, a equipe da Avantgarde estende sinceros votos de felicidade e prosperidade a todos neste Ano Novo!
