Baixa correlação com outros investimentos: como os fundos de IA podem reduzir as flutuações do portfólio

O mercado de fundos baseados em IA, ou seja, estratégias que utilizam inteligência artificial no processo de investimento, está crescendo. Quase 60% dos alocadores que investem em classes de ativos alternativas estão interessados em IA, de acordo com um relatório recente do serviço setorial Hedgeweek.

Embora os ativos globais sob gestão (AuM) em soluções de investimento baseadas em IA tenham ultrapassado apenas três bilhões de euros até o primeiro semestre de 2024 , estamos registrando uma demanda crescente de investidores institucionais, bem como de gestores de ativos e patrimônio.

Áreas de aplicação da IA em estratégias de investimento

É provável que poucos investidores se interessem pela IA por si só ou por puro fascínio técnico. A questão, em vez disso, é o que a IA pode fazer, o que ela alcança (melhor do que analistas ou gestores humanos) e quais tarefas específicas – com quais retornos esperados – podem ser atribuídas a ela.

Para alguns investidores, a busca por retornos superiores é primordial. Outros motivos para o uso de IA em estratégias de investimento incluem o desejo por maiores volumes de dados relevantes ou a capacidade de filtrar influências emocionais (viés comportamental) e distorções cognitivas (como a adesão a valores de referência específicos, conhecidos como "ancoragem").

Mas em que tarefa a IA é realmente particularmente boa? Um benefício fundamental que muitos observadores do mercado — incluindo os especialistas independentes do NextGen Artificial Intelligence Multi-Manager Index, que abrange cerca de 45 estratégias de investimento em IA em todo o mundo — consideram é a baixa correlação da IA com outras classes de ativos. A IA frequentemente trabalha com padrões não lineares. Quando usada no processo de investimento para calcular a probabilidade de movimentos do mercado e selecionar títulos, os sinais de negociação, as alocações e as ponderações de portfólio são geralmente diferentes daqueles de um gestor tradicional.

Portfólios 50/50: limites das misturas

Resumindo: modelos de IA são vistos como um fator de decorrelação, com base em backtests e comparações com grupos de pares tradicionais (quantitativos), entre outros fatores. Abordagens baseadas em IA podem, portanto, ser usadas como um componente potencialmente neutro em relação ao mercado em um portfólio complementar. No entanto, para quais banqueiros privados e gestores de ativos essa força de decorrelação pode ser particularmente relevante?

Isso afeta todos os investidores (long-only) que estão revisando seus portfólios em busca da dependência da alta dos mercados de ações e títulos públicos e que frequentemente se sentem desiludidos com as opções de diversificação de portfólio existentes (como imóveis, private equity e fundos de hedge). Essas opções costumam ser altamente correlacionadas com classes de ativos tradicionais (> 0,7 e mais) e reagem com sensibilidade semelhante a eventos de mercado (geopolíticos), bem como a riscos de inflação e taxas de juros.

Estratégias de investimento que utilizam inteligência de máquina para cálculo de sinais e gestão de fundos podem ser consideradas como novos elementos complementares disruptivos se explorarem a força de decorrelação delineada e atenderem aos critérios de diversificação efetiva (coerência com o mercado de ações de <0,3).

Como representantes do setor, podemos quantificar isso usando nossa própria estratégia de fundos de IA. A correlação, ou seja, a inter-relação com as principais classes de ativos de ações e títulos, é <0,1.

Sem oráculo: IA na prática

O valor agregado de um sistema de IA adequadamente programado e treinado pode ser mensurado com mais precisão? Se seguirmos a linha de pensamento de atribuir à IA uma tarefa dedicada de decorrelação (em vez de vê-la como uma espécie de "oráculo", o que não é), torna-se mais fácil compreender seu papel como meio para atingir um fim. A IA é um meio para alcançar a decorrelação. A decorrelação é um meio para alcançar melhor desempenho (mais precisamente: índice de Sharpe), bem como para reduzir a volatilidade e estabilizar recuos de preços no contexto geral da carteira.

Com base em nossa prática de investimentos, para a qual executamos aproximadamente 55.000 transações no mercado de ações nos últimos anos com três famílias de modelos de IA – focadas em decorrelação e diversificação – podemos afirmar: a diversificação de portfólios é frequentemente discutida, mas raramente mensurada de forma tangível. Aqueles que desejam evitar riscos de concentração e alcançar um desempenho consistente examinarão diferentes fontes de retorno.

Com base em avaliações de terceiros independentes, o componente de IA não correlacionado pode ser usado para o período de 2019 até o presente, incluindo as fases de mercado no início da guerra de agressão contra a Ucrânia e durante a pandemia do coronavírus: com um portfólio inicial médio de 50/50 (com base no MSCI World Net Index e no Bloomberg Global Aggregate Bond Index, que representam adequadamente os mercados globais de ações e títulos), uma mistura de 10 a 25 por cento pode reduzir a volatilidade do portfólio em até um quarto e as reduções máximas em até um terço.

É claro que outros investimentos alternativos que demonstrem sua independência de investimentos principais, como ações e títulos, também são potencialmente considerados. A IA se qualifica sui generis devido à sua natureza única, pois geralmente chega a composições de portfólio diferentes das de gestores humanos.

desafios

É necessária muita pesquisa e conhecimento sobre as especificidades da aplicação de algoritmos de IA aos mercados financeiros para torná-los utilizáveis na gestão de fundos.

Ao contrário da IA generativa, cada vez mais popular em programas de conversão de voz em texto (chatbots) e processamento de linguagem natural, a IA preditiva é usada aqui para identificar tendências do mercado de ações, quebras de tendência e oportunidades de negociação. Em comparação com as estratégias quantitativas tradicionais, vamos mais a fundo: um volume de dados de preços de sete dígitos é avaliado usando uma variedade de algoritmos de IA e aprendizado de máquina, incluindo aprendizado profundo.

panorama

No âmbito da gestão de portfólios, diversas tarefas agora podem ser delegadas à IA. Um benefício fundamental provavelmente será seu papel como uma ferramenta livre de hipóteses e amplamente independente de tendências de mercado e influências humanas.

Quando a IA é utilizada centralmente para gerenciar uma estratégia de investimento, os investidores devem definir claramente os resultados que esperam do uso da inteligência artificial. Informações sobre a mensurabilidade dos efeitos e do valor agregado no processo de investimento – por exemplo, no caso de produtos complementares a portfólios tradicionais – devem ser solicitadas, idealmente em horizontes de tempo mais longos e em diferentes fases do mercado. No entanto, mensurar essa contribuição de valor apenas com base em eventos singulares e selecionados de forma oportunista é insuficiente.

Sobre os autores convidados:

Pablo Hess e Michael Günther são desenvolvedores de IA e gestores de portfólio na Tungsten Capital, com sede em Frankfurt am Main. Sua estratégia é uma das soluções de investimento em IA mais consolidadas na região DACH há mais de dez anos, com mais de € 200 milhões em ativos sob gestão.