É assim que os fundos de cobertura usam inteligência artificial

Você deve permitir que um algoritmo de IA faça uma chamada de US $ 100 milhões em seu nome? Esse é um conceito que vários fundos de cobertura têm enfrentado há alguns anos. Como a inteligência artificial continua a provar sua eficiência em um número cada vez maior de campos, muitas empresas de investimento, nascentes e antigas, estão começando a se envolver em seu uso para tomar decisões comerciais — e elas estão dispostas a apostar grandes quantidades de dinheiro de seus clientes em isto.

Durante anos, os fundos de cobertura quantitativos utilizaram algoritmos computacionais para tomar decisões comerciais. No entanto, esses algoritmos foram conduzidos por modelos estáticos desenvolvidos e gerenciados por cientistas de dados e não eram adeptos em lidar com a volatilidade dos mercados financeiros. As decisões tomadas por esses algoritmos produziam resultados que eram geralmente inferiores aos praticados pelo critério humano.

Nos últimos anos, com o surgimento do aprendizado de máquina e do aprendizado profundo, os ramos da IA causaram um avanço na criação de software e estão impulsionando as inovações no comércio computacional.

Em contraste com os softwares tradicionais que dependem de regras predefinidas dadas pelos programadores, os algoritmos de aprendizagem de máquina funcionam analisando enormes quantidades de dados e definindo suas próprias regras com base nos padrões e conexões que eles encontram entre diferentes pontos de dados. O software de aprendizagem de máquina se atualiza de forma autônoma enquanto ingere novos dados.

Esta é a abordagem que ajudou a criar sistemas que sejam eficientes na análise do conteúdo das imagens e do vídeo, entendendo e traduzindo o contexto da linguagem falada e escrita, economizando energia, diagnosticando câncer e muito mais. Muitos acreditam que a mesma tecnologia pode transformar os mercados financeiros.

Empregando o aprendizado de máquina 

Vários fundos de cobertura de Wall Street se viram atraídos para as oportunidades que esses algoritmos de autoalteração podem fornecer quando aplicados ao comércio financeiro. Um exemplo é o Man Group, um dos maiores fundos de cobertura do mundo com US $ 96 bilhões sob gestão. Desde 2014, o Man vem usando algoritmos de aprendizado de máquina para tomar decisões comerciais autônomas no seu fundo AHL Dimension com resultados muito positivos.

Os engenheiros do Man estabeleceram parâmetros de limites para seus algoritmos ML, incluindo limites de exposição, classes de ativos e custos de negociação. Eles então fornecem os algoritmos com dados e deixam-nos descobrir padrões e correlações que passariam despercebidos para os analistas humanos. Os algoritmos ML comparam constantemente novos dados com padrões históricos e tentam adivinhar como as mudanças se desenvolverão no futuro. O homem está aplicando o modelo às decisões de comércio rápido, bem como as previsões educadas durante várias semanas no futuro.

A disponibilidade de recursos de dados e computação, os dois principais requisitos dos algoritmos de aprendizagem de máquina, são os principais fatores que permitem que o Grupo Man e outros fundos de cobertura empreguem IA em suas negociações. Hoje, os custos do poder de processamento diminuíram consideravelmente. O Man gerencia seu próprio enorme centro de dados em Londres. Outras empresas estão configurando centros de dados virtuais através de provedores da nuvem, como AmazonMicrosoft e Google.

Mais importante é a explosão na geração de dados e serviços on-line que aconteceu nos últimos anos. De acordo com o Deutsche Bank, há um bilhão de sites na Internet, com mais 100 milhões sendo adicionados a cada ano. Existem mais de 500 exabytes de dados, com mais de 90 por cento criados nos últimos dois anos. Incorporados neste oceano digital estão resmas de informações publicamente disponíveis, também chamadas de dados alternativos, que podem complementar dados financeiros e ajudar a melhorar as decisões comerciais.

Isso pode incluir uma ampla gama de tipos de dados, incluindo postagens de trabalho, discussões de redes sociais, imagens de satélite, transações de cartão de crédito e dados obtidos de dispositivos móveis. Esta informação permite aos analistas prever melhor como as ações serão realizadas.

No entanto, colecionar e ler através de toda essa informação não estruturada está além da capacidade dos analistas humanos. Dados alternativos deram origem ao seu próprio mercado, com vendedores escavando, limpando e vendendo esses dados para a comunidade de investimentos. Alguns fundos de cobertura estão gastando milhões de dólares para obter dados valiosos. De acordo com a empresa de consultoria Tabb Group, gastos em dados alternativos apenas nos EUA chegarão a US $ 400 milhões nos próximos cinco anos.

Os algoritmos de aprendizagem de máquinas fornecem o poder de trazer todos esses dados não estruturados à ordem. Na empresa de investimentos Point72, os algoritmos de visão por computador analisam imagens de satélites de estacionamento e as combinam com geolocalização de celular para informar sobre quantas pessoas estão visitando diversas lojas. Enquanto isso, os algoritmos de processamento de linguagem natural realizam análises de sentimentos em postagens de redes sociais e discussões em fóruns para ver de quais marcas os clientes estão reclamando.

Os desafios do negócio baseado em IA

Embora o aprendizado de máquinas seja muito promessor nas finanças e no comércio, ele ainda deve superar vários obstáculos nos próximos anos. Os céticos duvidam que qualquer coisa que não seja próxima do nível humano de IA será capaz de lidar com todos os parâmetros misteriosos que influenciam os mercados financeiros, como eventos de notícias, política, economia e outros eventos, como desastres naturais. No Man Group, o fundo AHL ganhou 15 por cento em três anos desde o engajamento em inteligência artificial, quase o dobro da média da indústria. Mas ainda está ficando para trás no S&P 500.

MLG

Ganhos de aprendizado de máquina - Como fundos de cobertura, estratégias de IA têm lutado para bate ro mercado de ações - Returnos de 2017 do YTD até june, retornos do índice S&P 500 são com dividendos reinvestidos. Fonte: Eurekahedge, Hedge Fund Research, Inc. e Bloomberg Imagem: Bloomberg

Os fundos de cobertura que empregam inteligência artificial também terão de superar os desafios inerentes à tecnologia. Isso inclui a falta de transparência. À medida que os algoritmos IA ingerem mais dados e se tornam mais sofisticados, os engenheiros que os criam acham mais e mais difícil explicar a mecânica por trás de suas funcionalidades. Isso pode se tornar um problema quando você precisar explicar aos seus clientes por que seu algoritmo tomou uma decisão errada em detrimento deles. O Man garante que analistas humanos examinem negócios incomuns antes de serem executados e está construindo ferramentas de autópsia que ajudem os engenheiros a investigar as decisões tomadas pelos algoritmos.

As empresas também precisam se preocupar com os dados que adquirem, pois podem envolver informações obtidas dos consumidores. Os algoritmos de aprendizagem de máquina geralmente correlacionam informações de maneiras que podem causar preocupações de privacidade.

O uso agressivo de grandes dados também ameaça empurrar fundos de cobertura para áreas em limbos legais. Embora o uso de dados acessíveis ao público não seja considerado como uso de informações privilegiadas, a definição de quais dados são considerados públicos e juridicamente seguros para usar em algoritmos não é muito clara.

No entanto, os defensores do aprendizado de máquina e da inteligência artificial não duvidam que os algoritmos sejam o futuro do comércio. Como Eric Schmidt, ex-CEO da Google e atual presidente executivo da Alphabet acredita, em 50 anos, nenhuma negociação será feita sem computadores que dissequem dados e sinais de mercado.