A negociação quantitativa é usada para o que é conhecido como "market making" – o ato de fornecer liquidez ao mercado. Em vez de aproveitar a assimetria das informações, as estratégias giram em torno de facilitar a compra e venda de ativos pelos participantes. Isso mantém os mercados funcionando sem problemas, especialmente quando as coisas são voláteis ou se o mercado é pequeno em escala.

O mercado de criptomoedas é um ambiente propício para este tipo de negociação, que representa menos da metade de todas as operações da Nasdaq em um mês, por exemplo.

A negociação quantitativa consiste em estratégias de negociação baseadas em análise quantitativa, que dependem de cálculos matemáticos e trituração de números para identificar oportunidades de negociação. Preço e volume são dois dos insumos de dados mais comuns utilizados na análise quantitativa como os principais insumos para modelos matemáticos.

Como a negociação quantitativa é geralmente usada por instituições financeiras e fundos de hedge, as transações geralmente são grandes e podem envolver a compra e venda de centenas de milhares de ações e outros títulos. No entanto, a negociação quantitativa está se tornando mais comumente utilizada por investidores individuais, em especial o que operam futuros de criptomoedas.

História do quant

O pai da análise quantitativa é Harry Markowitz, creditado como um dos primeiros investidores a aplicar modelos matemáticos aos mercados financeiros. Sua tese de doutorado, publicada no Journal of Finance, aplicou um valor numérico ao conceito de diversificação de portfólio. Mais tarde em sua carreira, Markowitz ajudou Ed Thorp e Michael Goodkin, dois gestores de fundos, a usar computadores para arbitragem pela primeira vez.

Vários desenvolvimentos nos anos 70 e 80 ajudaram o quant a se tornar mais mainstream. O sistema de turnaround de pedidos designado (DOT) permitiu que a Bolsa de Valores de Nova York (NYSE) aceitasse encomendas eletronicamente pela primeira vez, e os primeiros terminais Bloomberg forneceram dados de mercado em tempo real aos traders.

Na década de 90, sistemas algorítmicos estavam se tornando mais comuns e os gestores de fundos de hedge estavam começando a adotar metodologias quânticas. A bolha dotcom provou ser um ponto de virada, pois essas estratégias se mostraram menos suscetíveis à compra frenética – e subsequente queda – das ações da internet.

Então, a ascensão do trading de alta frequência (HFT) introduziu mais pessoas ao conceito de quant. Em 2009, 60% das negociações de ações dos EUA foram executadas por investidores de HFT, que contavam com modelos matemáticos para apoiar suas estratégias.

Os analistas quantitativos são muito procurados por fundos de hedge e instituições financeiras, valorizados por sua capacidade de adicionar uma nova dimensão a uma estratégia tradicional.

Exemplo de negociação quantitativa

Digamos, por exemplo, que se supôs que o FTSE 100 é mais provável que se mova em uma determinada direção em um determinado ponto do dia de negociação. Então você constrói um programa que examina um grande conjunto de dados de mercado sobre o FTSE 100 e quebra seus movimentos de preço a cada segundo de cada dia.

O gráfico abaixo mapeia os movimentos de preços do FTSE 100 desde 1984.

FTSE 100 since 1984

Fonte: CNBC

Em seguida, constrói-se um modelo estatístico com base nessas informações dos ativos. O modelo identifica se há alguma parte específica do dia quando o FTSE negocia em uma direção específica. Se o modelo encontrar um padrão – digamos, que o índice tem uma probabilidade de 60% de fazer um movimento ascendente às 11h15 – então se pode usar essa informação para abrir posições para o lucro.

Esse é um exemplo simples de uma estratégia de negociação quântica usando apenas um parâmetro de dados: ação de preços. A maioria dos especialistas quantitativos puxa várias fontes diferentes ao mesmo tempo para construir modelos muito mais complexos com uma melhor probabilidade de identificar oportunidades lucrativas.

Vantagens e desvantagens da negociação quantitativa

O objetivo da negociação é calcular a probabilidade ideal de executar uma negociação rentável. Um trader típico pode efetivamente monitorar, analisar e tomar decisões de negociação sobre um número limitado de títulos antes que a quantidade de dados recebidos sobrecarregue o processo de tomada de decisão. O uso de técnicas de negociação quantitativa ilumina esse limite usando computadores para automatizar as decisões de monitoramento, análise e negociação.

Superar a emoção é um dos problemas mais difundidos com a negociação. Seja medo ou ganância, ao negociar, a emoção serve apenas para sufocar o pensamento racional, o que geralmente leva a perdas. Computadores e matemática não possuem emoções, então o comércio quantitativo elimina esse problema.

A negociação quantitativa também tem seus problemas. Os mercados financeiros são algumas das entidades mais dinâmicas que existem. Portanto, os modelos de negociação quantitativa devem ser tão dinâmicos para serem consistentemente bem-sucedidos. Muitos traders quantitativos desenvolvem modelos que são temporariamente rentáveis para a condição de mercado para a qual foram desenvolvidos, mas que acabam falhando quando as condições de mercado mudam.

Negociação quantitativa vs algorítmica

Os traders algorítmicos (algo) usam sistemas automatizados que analisam padrões de gráficos e depois abrem e fecham posições em seu nome. Os traders quants usam métodos estatísticos para identificar, mas não necessariamente executar, oportunidades. Estas são duas técnicas separadas que não devem ser confundidas.

Sistemas algorítmicos sempre serão executados puramente em código. Alguns traders quants usam modelos para identificar oportunidades, mas depois abrem a posição manualmente. O trading quantitativo usa métodos matemáticos avançados. Algorítmico tende a contar com análises técnicas mais tradicionais.

A negociação algorítmica usa apenas análise de gráficos e dados de exchanges para encontrar novas posições. Os traders quânticos usam muitos conjuntos de dados diferentes. Este tópico em especial é o calcanhar de Aquilles do mercado de cripto: poucos dados históricos. Para fazer bom uso do trading quant é preciso ter uma coleção imensa de dados históricos que precisam cruzados com outros dados econométricos. O mercado de cripto ainda possui um histórico robusto suficiente para fazer uso de estratégias quant com eficiência e sem distorção dos dados.

As informações contidas neste texto são de responsabilidade do autor e não necessariamente refletem as posições do Cointelegraph Brasil.

LEIA MAIS: