A Virtude da Complexidade
No campo das finanças, é comum acreditar que modelos pequenos e simples são mais adequados, dado o baixo nível de previsibilidade e a quantidade limitada de dados disponíveis. No entanto, pesquisas recentes estão desafiando essa ideia.
O estudo “Can Machines Build Better Stock Portfolios?” mostra que os retornos esperados provavelmente não são lineares em relação às variáveis preditoras, e modelos simples acabam não captando essas relações. Modelos maiores e mais complexos, por outro lado, conseguem identificar essas não linearidades, apresentando um desempenho melhor, especialmente fora da amostra, o que é chamado de “virtude da complexidade”.
Essa vantagem se aplica tanto ao timing de mercados tradicionais, como ações e títulos, quanto ao timing de fatores long/short, como valor, momento e baixo beta.
Na construção de um portfólio de ações, um dos principais desafios é determinar o peso ideal de cada ativo dentro da carteira. Existem diferentes abordagens para essa tarefa, e uma distinção importante é entre modelos lineares e não lineares.
Modelos Lineares e Não Lineares
Vamos supor um modelo linear simples, onde o peso de uma ação no portfólio é determinado com base em dois sinais principais:
- Valuation (valor): Avalia se a ação está cara ou barata, geralmente utilizando múltiplos como o P/E (preço sobre lucro).
- Momentum (desempenho relativo de curto prazo): Mede o desempenho recente da ação em comparação com outras no mercado.
Nesse modelo, a lógica é simples: ações baratas com bom desempenho recente recebem peso positivo, enquanto ações caras com baixo desempenho recente recebem peso negativo.
Apesar de intuitivos, modelos lineares apresentam limitações. Relações complexas, como as de ações em situação de “deep value” combinadas com desempenho excepcional, não são refletidas de forma adequada. É aqui que modelos não lineares se destacam, capturando interações mais complexas e atribuindo pesos maiores em condições extremas.
Aprimorando Portfólios: Três Exemplos com Fatores Não Lineares
A aplicação de modelos complexos na seleção de ações foi explorada em três cenários distintos:
- Sinais de Valor e Momentum:
Usando os sinais de book-to-price e retorno acumulado dos últimos 12 meses, foram gerados até 36.000 fatores não lineares.- Sharpe Ratio: 2,1 (modelo complexo) vs. 1,3 (modelo simples).
- Benefício: Retornos diversificados e complementares.
- Sinais de Fama-French e Outros Indicadores:
Inclui tamanho (market equity), lucratividade, e crescimento de ativos.- Sharpe Ratio: 2,9 (modelo complexo), aproximadamente o dobro do modelo linear.
- Benefício: Retornos diversificados e altamente aditivos.
- Abordagem Defensiva:
Utiliza volatilidade dos lucros, lucratividade, alavancagem financeira e beta baixo.- Sharpe Ratio: 0,6 (modelo complexo), 60% maior que o modelo simples.
- Benefício: Melhoria significativa na diversificação do portfólio.
A “virtude da complexidade” demonstra que incorporar modelos não lineares pode aumentar tanto os retornos esperados quanto a diversificação, contribuindo para estratégias mais robustas e eficazes.
Equipe Avantgarde Asset Management
