Rawpixel
Quem é melhor a ganhar dinheiro nos mercados financeiros? Os humanos ou a Inteligência Artificial? Um estudo encontrou a resposta.
A Inteligência Artificial (IA) equiparou-se ou até superou os humanos em áreas anteriormente consideradas inatingíveis. Estas incluem xadrez, jogos de arcada, carros autónomos e muito mais.
Este rápido progresso tecnológico também teve um enorme impacto no setor de serviços financeiros. Cada vez mais CEOs do setor declaram (explícita ou implicitamente) que administram “empresas de tecnologia com licença bancária”.
Há também um rápido surgimento e crescimento da indústria de tecnologia financeira (FinTech), onde as startups de tecnologia desafiam cada vez mais as instituições financeiras estabelecidas em áreas como bancos, pensões ou investimentos pessoais. Como tal, a IA geralmente aparece em processos de bastidores.
Entre tantos casos de sucesso, um parece visivelmente ausente: a IA a ganhar dinheiro nos mercados financeiros. Embora algoritmos simples sejam regularmente usados por traders, algoritmos de machine learning ou IA são muito menos usuais na tomada de decisões de investimento.
Mas como o machine learning se baseia na análise de grandes conjuntos de dados e na descoberta de padrões neles, e os mercados financeiros geram enormes quantidades de dados, parece uma combinação óbvia.
Num novo estudo, publicado no International Journal of Data Science and Analytics, uma equipa de investigadores esclareceu se a IA é melhor do que os humanos em ganhar dinheiro.
Algumas empresas de investimento assumem que usam IA no seu processo de tomada de decisão de investimento. No entanto, não divulgam informações oficiais de desempenho. Além disso, apesar de alguns administrarem mil milhões de dólares, permanecem pequenos em relação ao tamanho da indústria.
Por outro lado, estudos relataram repetidamente previsões financeiras altamente precisas baseadas em algoritmos de machine learning. Estes poderiam, em teoria, traduzir-se em estratégias de investimento mainstream altamente bem-sucedidas para o setor financeiro. E, no entanto, isso não parece estar a acontecer.
Qual o motivo desta discrepância? É uma cultura de gestão ou é algo relacionado com os aspetos práticos do investimento no mundo real?
Previsões financeiras da IA
Os autores deste novo estudo analisaram 27 estudos, revistos por pares, publicados entre 2000 e 2018. Os estudos descrevem diferentes tipos de experiências de previsão do mercado de ações usando algoritmos de machine learning. Os autores queriam determinar se essas técnicas de previsão poderiam ser replicadas no mundo real.
A observação imediata foi que a maioria das experiências tinha várias versões (em casos extremos até centenas) do seu modelo de investimento em paralelo.
Em quase todos os casos, os autores apresentaram o seu modelo de melhor desempenho como o produto primário da experiência — o que significa que o melhor resultado foi escolhido a dedo e todos os resultados abaixo do ideal foram ignorados.
Esta abordagem não funcionaria na gestão de investimentos do mundo real, onde qualquer estratégia pode ser executada apenas uma vez e o seu resultado é lucro ou prejuízo inequívoco — não há como desfazer os resultados.
Executar diferentes variantes e, de seguida, apresentar a mais bem-sucedida como representativa seria enganoso no setor financeiro e possivelmente considerado ilegal.
Por exemplo, se executarmos três variantes da mesma estratégia, com uma a perder -40%, a outra a perder -20% e a terceira a ganhar 20%, e depois mostrar apenas o ganho de 20%, seria deturpar o desempenho do fundo.
Apenas uma versão de um algoritmo deve ser testada, o que seria representativo de uma configuração de investimento do mundo real e, portanto, mais realista.
Os modelos nos artigos analisados alcançaram um nível muito alto de precisão, cerca de 95% — uma marca de tremendo sucesso em muitas áreas da vida. Mas na previsão de mercado, se um algoritmo estiver errado 5% das vezes, ainda pode ser um problema real. Pode ser catastroficamente errado em vez de marginalmente errado — eliminando não apenas o lucro, mas todo o capital subjacente.
Os autores também notaram que a maioria dos algoritmos de IA pareciam ser “caixas negras”, sem transparência sobre como funcionavam. No mundo real, isso provavelmente não inspirará a confiança dos investidores. Também é provável que seja um problema do ponto de vista regulatório.
Além disso, a maioria das experiências não levou em conta os custos de negociação. Embora estes estejam a diminuir há anos, não são zero e podem fazer a diferença entre lucro e prejuízo.
Nenhuma das experiências analisadas teve em consideração as regulamentações financeiras atuais, como a diretiva legal da UE MIFID II ou a ética nos negócios.
As experiências em si não se envolveram em nenhuma atividade antiética — não procuraram manipular o mercado — mas não tinham um recurso de design que assegurasse explicitamente que eram éticas.
Tudo isto significa que as IAs descritas nas experiências académicas seriam inviáveis no mundo real da indústria financeira.
Os humanos são melhores?
Os autores também quiseram comparar as conquistas da IA com as dos profissionais humanos de investimento. Se a IA pudesse investir tão ou melhor do que os humanos, isso poderia anunciar uma enorme redução nos empregos.
Os investigadores descobriram que o punhado de fundos com Inteligência Artificial cujos dados de desempenho foram divulgados em fontes de dados publicamente disponíveis geralmente tiveram desempenho inferior no mercado.
Como tal, os autores concluíram que existe atualmente um argumento muito forte a favor dos analistas e gestores humanos. Apesar de todas as suas imperfeições, evidências empíricas sugerem fortemente que os humanos estão atualmente à frente da IA.
Isto pode ser em parte por causa dos atalhos mentais eficientes que os humanos usam quando precisam de tomar decisões rápidas sob incerteza.
No futuro, isto pode mudar, mas ainda precisamos de evidências antes de dar o salto para a IA. E no futuro imediato, os autores acreditam que, em vez de colocar humanos contra a IA, devemos combinar os dois. Isto significaria incorporar a IA em ferramentas analíticas e de suporte à decisão, mas deixar a decisão final de investimento para uma equipa humana.
ZAP // The Conversation
