ROBÔS INVESTIDORES UNINDO ARTE E CIÊNCIA Primeira Edição – 16/07/2016 Edição 3.127 – 01/02/2017 Copyright © Rogério Figurelli Os direitos de todos os textos contidos neste livro eletrônico são reservados a seu autor, e estão registrados e protegidos pelas leis do direito autoral, em todas suas edições. Esta é uma edição eletrônica - e-book comercial -, que não pode ser vendida, distribuída nem comercializada, em hipótese nenhuma, nem utilizada para quaisquer fins, sem a expressa autorização por escrito do autor. É permitido o armazenamento deste livro em computadores ou dispositivos pessoais do comprador, com o único objetivo de leitura de seu conteúdo em meio eletrônico. Nenhuma parte isolada deste livro pode ser copiada, reproduzida, ou armazenada em qualquer meio, ou ainda utilizada para qualquer fim. Este livro eletrônico não pode ser impresso.
Conteúdo
Disclaimer ........................................ ........................................................ .................................... ....................................... ............................. .......... 4 Sobre o autor.................. autor ...................................... .................................... .................................... ...................................... .......................... ........ 5 Introdução ...................................... ......................................................... ....................................... ........................................ ........................... ....... 7 Capítulo 1 A Ciência e o que podemos esperar de um Robô Investidor ..... 12 Capítulo 2 A Arte e os limites que iremos enfrentar ................. ........ .................. ................. ............ 39 Capítulo 3 Unindo Arte e Ciência Ciência para vencer...................................... .............................................. ........ 59 Capítulo 4 A Arte de uma boa Estratégia Estratégi a e Setup automatizado ................ ......... ....... 71 Capítulo 5 A Ciência de uma boa Estratégia Estratégi a e Setup automatizado automatiz ado............. ........ ..... 84 Capítulo 6 A inércia e como ela impacta seus resultados............... resultados..... ................... ............ ... 101 Capítulo 7 O futuro dos Robôs Robôs Investidores Investidores ......................................... ............................................... ...... 111 Referências ................................... ........................................................ ........................................ ...................................... ........................ ..... 126
3
Disclaimer O conteúdo apresentado nesse livro não se trata de recomendação, indicação e/ou aconselhamento de investimento. O leitor deve consultar um assessor, advisor jurídico, tributário, regulatório, técnico, de negócios, de investimentos, financeiro e contábil, na medida em que julgar necessário, para assessoria na escolha e definição de softwares, plataformas, robôs, algoritmos, estratégias e setups.
4
Sobre o autor Rogério Figurelli é CEO da empresa Trajecta – Consultoria e Projeto de Robôs - www.trajecta.com.br www.trajecta.com.br,, a primeira empresa brasileira de consultoria especializada em robôs, atuando como consultor de empresas no planejamento, operacionalização, auditoria e projeto de robôs, para as mais variadas aplicações de mercado e modelos de negócio. Com mais de 35 anos de experiência na área de Tecnologia da Informação e de 20 anos no mercado de robôs, é engenheiro eletricista/eletrônico pela UFRGS e mestre em ciências da computação, também pela UFRGS. Possui pós-graduação em gestão de pessoas, estratégias e negócios – MBA pela Fundação dos Administradores do Rio Grande do Sul. Especialista no desenvolvimento de tecnologias nas mais diversas plataformas e áreas do conhecimento, além de algoritmos especialistas e sistemas quantitativos nos mais variados níveis de complexidade, como aplicações de inteligência de máquina, deep learning e modelos evolucionários. e volucionários. É pioneiro no desenvolvimento de robôs e em pesquisa de várias tecnologias de inteligência artificial forte, criando centenas de robôs brasileiros desde 1996, quando começou a atuar nesse mercado. Contato: https://br.linkedin.com/in/figurelli
5
A ciência descreve as coisas como são. A arte, como são sentidas, sentidas, como se sente que são.
Fernando Pessoa
6
Introdução O enorme desafio de diminuir as incertezas e riscos do futuro, principalmente no Mercado Financeiro e de Capitais, nos obriga a estar muito atentos a aspectos puramente racionais, que são o viés científico do dia a dia de um trader ou investidor. Entretanto, a realidade da Ciência nos mostra que, ao enfrentar questões puramente emocionais, naturais do ser humano - e por mais frio que esse possa ser - algo mais é necessário. E talvez t alvez decisivo. Esse algo mais chamarei e englobarei nesse livro como Arte. Mas o que é Arte, afinal, e de que forma podemos alinhar esses conceitos à Ciência do Mercado? O conceito de Arte nos remete a visões muito abstratas, e a algo ainda muito complexo e desafiador no universo dos computadores: a imaginação. A seguir apresento alguns conceitos práticos e abstratos disponíveis publicamente na Internet, para facilitar nosso alinhamento de conceitos e contextualização de diferenças de Arte e Ciência. “A capacidade do artista de ler e interpretar a vida, com tamanha sensibilidade e a expressar em forma de pinturas, músicas e outras obras, é o que se denomina Arte. A Arte pode ser expressada através da escultura, como Davi, de Michelangelo. Em partituras de Ravel ou quadros de Van Gogh, Picasso, Dali entre outros expoentes de movimentos artísticos.” - Anna Adami “Arte é um termo que vem do latim, e significa técnica/habilidade. A definição de arte varia de acordo com a época e a cultura, por ser arte rupestre, artesanato, arte da ciência, da religião e da tecnologia. Atualmente, arte é usada como a atividade artística ou o produto da 7
atividade artística. A arte é uma criação humana com valores estéticos, como beleza, equilíbrio, harmonia, que representam um conjunto de procedimentos utilizados para realizar obras.” – site significados.com.br “A Arte é o conceito que engloba todas as criações realizadas pelo ser humano para expressar uma visão/abordagem sensível do mundo, seja este real ou fruto da imaginação. Através de recursos plásticos, linguísticos ou sonoros, a arte permite expressar ideias, emoções, percepções e sensações.” – site conceito.de Em suma, podemos imaginar, por exemplo, que tudo que não possa de alguma forma ser entendido como uma decisão baseada em modelos quantitativos pode, de alguma forma, ser compreendida, mesmo que minimamente, para que, no futuro, se torne um modelo. E o modelo se materialize em algoritmos. Mas talvez esse modelo já exista na natureza, a muitos anos, de forma evoluída e operacional, dependendo apenas de nossa imaginação para descobrir e transformar ele em objetos controlados e reais. A visão, intuição e a criatividade, presentes na operação discricionária, principalmente quando nos defrontamos com cenários de grande incerteza, e temos que tomar decisões ou resolver problemas complexos, são exemplos desses modelos prontos presentes na natureza. No caso, presentes no próprio investidor. Robôs Investidores: um novo desafio Você começa a conhecer o Mercado de Capitais e o investimento em ações, iniciando seus estudos e trades. t rades. Estudando gráficos de preços e volume dos ativos, ou ainda os fundamentos das empresas que deseja investir, mais cedo ou mais tarde irá escolher suas estratégias estrat égias operacionais favoritas. 8
Com o tempo passando, e seu conhecimento avançando, principalmente com a dor das perdas, você vai cada vez mais deixando o fator emocional e os chutes de lado e passa a planejar as operações e seguir cada vez mais m ais as regras estabelecidas. Aos poucos vai aprendendo que sem uma boa gestão financeira e de risco, e sem muita disciplina, todo aquele ganho conquistado e que estava parecendo que você tinha dominado o mercado irá se perder. per der. Também aprende que tanto as informações de análise técnica como fundamentalistas, e mesmo as análises de novas escolas, como a da visão, são passíveis de serem utilizadas util izadas em suas estratégias. Aos poucos, talvez sem perceber, você está cada vez mais disciplinado, criando algoritmos próprios de gestão de trades e formas de investir cada vez mais sistemáticas, coletando e analisando dados das mais variadas fontes e períodos. A sua confiança aumenta e você começa a pensar em automatizar as tarefas, até para ter mais tempo para outras coisas mais importantes na vida e poderá ganhar muito em qualidade de execução de suas estratégias. Então você visualiza um trading system a partir de sua metodologia operacional, e coloca ele para funcionar na sua plataforma preferida, iniciando a fazer um backtesting, ou seja, um teste da sua estratégia utilizando dados de preços do passado, e também, aos poucos, forward testing para avaliar no tempo real sua performance. Parabéns, nesse momento você passou pela mais complexa das tarefas, que é ter um plano tão bem documentado que se transformou num trading system, e que é passível de ser automatizado no futuro, ou seja, ser transformado em um robô trader ou um Automated Trading System (ATS).
9
E o benefício imediato está em poder testar cada vez mais sua metodologia operacional. Porém algoritmos e robôs traders precisam ser permanentemente atualizados e melhorados, assim como suas estratégias, pois o mercado é altamente dinâmico e arriscado. Então seus backtestings provavelmente não se repetirão como esperado, pois virão bolhas e crises, tsunamis, e novas notícias que irão movimentar os preços como nunca você imaginou. Além disso, muitas das condições utilizadas nos seus testes estão longe das reais, algo que somente com a experiência na utilização das ferramentas e codificação dos algoritmos você poderá corrigir. E você descobre que não há fórmula mágica na renda variável, nem para o homem, nem para o robô. E então surge um novo desafio: criar um Robô Investidor. Arte e Ciência no Mercado de Capitais Mas como unir Arte e Ciência de forma eficaz, em Robôs Investidores, para aumentar nossa competitividade no Mercado? Qual a realidade atual dessa união e o que podemos esperar no futuro? Esse é o caminho que estarei percorrendo, nas próximas páginas e capítulos, seguindo uma linha de vários livros na área [1][2][3][4][5][6][7], com os mais diversos tipos de robôs em diversas frequências e diversidade de instrumentos financeiros/mercados. fi nanceiros/mercados. E nosso foco será dos Robôs Investidores, dentro de minhas crenças e visões, evidentemente, mas, principalmente, o forte apoio de uma 10
tecnologia que veio para ficar e servir como referência para todas demais na área de Mercado de Capitais, unindo arte e ciência.
11
Capítulo 1
A Ciência e o que podemos esperar de um Robô Investidor
12
Quando recebemos um presente, desses com papel de embrulho, dentro de uma caixa, como da Figura 1.1, imediatamente disparam as linhas de pensamento de um modelo oculto em nosso cérebro, que alguns cientistas definiriam em última instância como curiosidade. Esses pensamentos, ou algoritmos orgânicos, se assim posso definir, não englobam apenas a lógica matemática de inferência, e portanto nossos neurônios, mas desafiam questões emocionais e nos remetem muitas vezes ao passado.
Figura 1.1 – Explorando o pensamento e a curiosidade natural
Dessa forma, se aprofundarmos as múltiplas análises que esse modelo em nosso cérebro é capaz de fazer, talvez seja possível escrever uma tese de doutorado – ou ainda um outro livro como esse - apenas para delinear as mais variadas situações e processos envolvidos por pensamentos no ato de descoberta, pois são ilimitadas as possibilidades de inferência que podem nos levar ao encontro da 13
verdade, em uma complexa rede de cruzamento de dados e processamento de informações que irão colocar à prova nossa capacidade de imaginação. E o modelo de curiosidade natural em nosso organismo se apressa em descobrir, o quanto antes, o conteúdo daquela d aquela caixa. Isso se de fato ela nos desperta esse interesse, o que nem sempre pode acontecer, pois essa reação dependerá de outros fatores tipicamente naturais, como atenção, interesse, motivação, etc, que não estou considerando nessa abordagem, para simplificar o entendimento do contexto. Mas, seja como for, de alguma forma nossos pensamentos irão combinar Arte e Ciência para buscar uma resposta. Nesse ponto, é importante perceber que a velocidade de processamento de dados e informações do modelo de curiosidade humana talvez seja superior a qualquer máquina existente hoje, ou até mesmo a união delas em rede, afinal não temos um parâmetro quantitativo confiável para comparação. Ou seja, não podemos subestimar a capacidade imaginativa de nosso cérebro para compilar as mais variadas hipóteses em um volume e velocidade absurdos. Por exemplo, podemos ter a reação de segurar a caixa, para testar seu peso, buscando montar uma parte do quebra-cabeças que nossa rede de neurônios está buscando modelar, em frações de segundos, pois esse dado pode gerar uma informação que permita eliminar algumas ou diversas possibilidades do que realmente é o presente. O modelo de curiosidade Quando exercitamos esse processo de imaginação, é natural que nosso modelo de curiosidade passe a criar hipóteses, de forma automática, 14
em busca da verdade, que, por exemplo, pode ser a que mostra a Figura 1.2, ou seja, simplesmente uma bola de basquete. Uma bola dentro de um cubo? Sim, exatamente, por que não? Ah, não tinha pensado nessa hipótese, é uma frase que ouvimos bastante no dia a dia. Encontrar a resposta correta certamente dependerá da qualidade das hipóteses, mas, assim como no mercado, muitas vezes, apenas abrindo a embalagem para termos certeza do conteúdo dela.
Figura 1.2 – Os caminhos de Arte e Ciência até a descoberta na vida real
Quando um trader analisa o passado, de alguma forma ele está fazendo exatamente esse processo de seguir uma linha de pensamentos buscando a validação de suas hipóteses, e estarei analisando isso mais a fundo quando estudarmos mais as questões de descoberta de uma boa Estratégia e Setup automatizado.
15
No mercado, entretanto, nem sempre existe apenas uma resposta correta, uma vez que ela pode estar dividida em várias camadas, muitas delas não aparentes. Dessa forma, o mais relevante é visualizar uma das camadas que possa de fato impactar em nossas decisões. Evidentemente que quando é possível ver a verdade por completo, a qualidade de nosso processo decisório é muito maior. Porém com uma informação incompleta, mas verdadeira, por exemplo, podemos proteger uma posição aberta, atuando em sua perda máxima ou realizando um lucro parcial. Criatividade e Imaginação Computadores e máquinas podem facilmente transformar dados em informações, porém o combustível inicial ainda é o campo das ideias de seus criadores. Portanto, para atingir níveis de pensamento que conduzam às sinapses corretas e à informação verdadeira, o caminho inicial pode ter sido exatamente nossa criatividade e imaginação, envoltas muitas vezes de aspectos artísticos, e que poderão apontar para determinado cenário de mercado que, mais cedo ou mais tarde, poderá nos surpreender. E, sem dúvida, vencer ou bater o Mercado, como alguns preferem dizer, dependerá muitas vezes da qualidade de nossa criatividade e imaginação.
O conceito dos Robôs Investidores Mas até que ponto uma máquina ou algoritmo poderá imaginar ou criar hipóteses dessa forma?
16
A realidade é que a Ciência busca cada vez mais formas de endereçar problemas assim, para as mais variadas aplicações e através das mais avançadas tecnologias de Computação Cognitiva, que assim como a área de Ciência de Dados, são alguns dos alicerces para novos paradigmas de Inteligência de Máquina. Especificamente nas áreas de Mercado Financeiro e Mercado de Capitais, essas máquinas são identificadas como robôs, pois podem operar de forma automatizada, atuando como traders ou investidores, nos mais variados graus de liberdade l iberdade de decisão. Para efeito de simplificação, nesse livro essas máquinas todas serão identificadas por apenas um nome: Robôs Investidores. O conceito desse tipo de robô busca englobar toda e qualquer classe de algoritmos de finanças quantitativas e sistemas operacionais automatizados, como por exemplo as tarefas executadas por trading systems, expert advisors ou, ainda, robôs traders, nas mais variadas frequências. Os robôs e a pergunta que não quer calar Dessa forma, posso remodelar a pergunta que não quer calar, quando queremos encontrar caminhos de digitalizar a Arte do trader e investidor, para simplificação de ideias, como sendo s endo a seguinte. Até que ponto os Robôs Investidores podem imaginar e criar hipóteses para o comportamento do mercado, de forma similar ao gestor humano? E a resposta é que, embora esse seja um problema de complexidade e incerteza infinita, a Ciência avança continuamente na busca de modelos quantitativos para tudo que exista na natureza, e também fora dela. 17
A Ciência irá encontrar um meio de se unir a Arte. Em outras palavras, se o gestor humano consegue, em tese, criar, imaginar ou fazer algo, a Ciência, mais cedo ou mais tarde, criará modelos similares, para conseguir também. Dessa forma, considero que é melhor esperar que um Robô Investidor possa, de fato, modelar até mesmo o processo de curiosidade humana, ou, para ser mais preciso, de todos demais em nosso cérebro que envolvam imaginação e geração de hipóteses. Mas a realidade é que a qualidade dessa modelagem ainda se mostra maior quando é feita de forma supervisionada, ou seja, sem autonomia e através de comando e decisões humanas. No meu dia a dia como pesquisador e consultor, procuro encontrar formas de mudar esse jogo de forma favorável para a máquina, ou seja, meios de transformar aspectos intuitivos dos gestores humanos, de forma automática, em sistemas quantitativos capazes de continuamente buscarem hipóteses realistas de mercado. merc ado. E acredito bastante na força especificamente para esse objetivo.
de
criação
de
laboratórios
Mas, no meu entender, o estado da arte, a menos que alguém revele alguma tecnologia com capacidade similar ao processo de imaginação humana, o que pelo menos na comunidade científica eu desconheça, os algoritmos ainda são muito dependentes da Arte na sua forma mais original, que podemos definir como o próprio arquétipo. O arquétipo e o estado e stado original O conceito de arquétipo foi criado por Carl Jung, discípulo de Freud, para descrever as imagens primordiais, através do processo repetitivo de várias gerações e extraídas do inconsciente coletivo. 18
A descoberta e identificação desse estado original, onde provavelmente reside de fato a verdade dos padrões e comportamentos no Mercado de Capitais é ainda uma competência essencialmente humana, ou seja, de traders, investidores e gestores, quem sabe realizada unicamente através de um processo de extração como descrito por Jung. Na prática, muitos dos paradigmas de operação, vários deles encontrados na Análise Técnica, nada mais são que uma constatação consciente e inconsciente da lógica e racionalidade do movimento dos preços dos instrumentos financeiros. E ai está a origem da causalidade de sua eficácia operacional e, muitas vezes, da formação de novos padrões puramente quantitativos. Nesse nível de complexidade, que supera de forma evolutiva cada vez mais a inteligência de um único investidor, supor que podemos de alguma forma sintetizar em linguagem de máquina a realidade descrita anteriormente para o arquétipo, mesmo com todo arsenal de tecnologia que dispomos hoje, ainda mais sem a base de consciência dos sistemas para isso, me parece no mínimo ‘forçar a barra’. O mais realista, a meu ver, é preparar nossos nos sos Robôs Investidores para a real possibilidade de um dia as máquinas realmente serem os únicos traders e investidores confiáveis, diante de um mercado infinitamente complexo. Imaginando os Cenários de Mercado Talvez a melhor forma de estudar os limites de um Robô Investidor seja tentar, de alguma forma, buscar modelos que imitem o processo de imaginação humana, e que possam ser codificados na forma de algoritmos. 19
Como exercício, para facilitar essa busca, e usando o exemplo apresentado, imagine que a caixa de presente nada mais é que um novo cenário de mercado, que começa a ser desenhado na tela de nosso computador ou projetado em nossa mente. Naturalmente, novos modelos em nosso cérebro, talvez até similares ao da curiosidade, irão buscar, de alguma forma, tentar entender e identificar o conteúdo desse cenário, com seus atores e comportamentos que carregam novos riscos e oportunidades. Entretanto, nem sempre será possível identificar o presente ou o cenário real. Uma máquina terá essa mesma dificuldade, e não é por menos que os gestores humanos irão buscar apoio nas mais variadas ferramentas tecnológicas para conseguir minimizar os erros de análise. E, dentro desse arsenal tecnológico, a velocidade de comunicação exerce um fator cada vez mais relevante. A união das Ideias e Artes As ideias e Artes estão em constante evolução, e a digitalização delas permite que isso aconteça de forma cada vez mais rápida.
20
Figura 1.3 – Efeitos das Redes Sociais e Inteligência Coletiva
Ou seja, não esqueça que, como mostra a Figura 1.3, e como diz o velho ditado, duas cabeças pensam melhor que uma – pelo menos se considerarmos os fatores quantitativos e estatísticos. E, da mesma forma que o crescimento da Internet permite criar máquinas com potencial extremamente maior, ela também abre as portas para a expansão da Inteligência Coletiva e propagação de informações em rede. Lembre-se também que no Mercado de Capitais, o tempo é uma variável extremamente preciosa, mesmo quando estamos falando de frações de segundos. Como mostra a Figura 1.2, para chegar na verdade, talvez seja necessário imaginar uma hipótese que nos conduza ao caminho certo,
21
por mais paradoxo que esse seja, como por exemplo uma caixa contendo uma esfera. Mas como o tempo é limitado, e o número de possibilidades de análise tende ao infinito, será necessário buscar modelos heurísticos, ou seja, não ótimos, mas que permitam chegar próximo, ao menos, da hipótese verdadeira. Na área de finanças chamamos esses modelos de estocásticos, pois estão limitados a uma pequena amostra da realidade, como é também a realidade dos modelos heurísticos. he urísticos. Se compararmos com a realidade de mercado, o mais provável é que a verdade só se revele quando olharmos para o passado, o que já será tarde para qualquer trader ou investidor. Os limites da evolução Mas até que ponto a Ciência e a tecnologia podem nos ajudar a visualizar, dentro da misteriosa caixa do mercado, o seu verdadeiro conteúdo? Ou seja, poderá uma máquina, baseada em modelos matemáticos e quantitativos, nos ajudar nesse processo de descoberta? Ou ainda, poderá a mesma máquina fazer de forma autônoma essa atividade, antes mesmo que nosso modelo de curiosidade natural tenha alguma noção de que o novo cenário está se movendo para desafiar nossa realidade? Note que as respostas para essas questões estão em constante evolução, e o que parece absurdo hoje pode ser o paradigma de amanhã.
22
Portanto, não considere minhas respostas nesse livro como a verdade absoluta e permanente, como seria a bola de basquete no exemplo da Figura 1.2. Mas para chegar mais perto dessa realidade, acredito ser fundamental entendermos o cenário atual da tecnologia e ferramentas de análise de mercado, como por exemplo a realidade dos sistemas de aprendizado profundo das plataformas de algoritmos e seus resultados cada vez mais relevantes nas mais variadas áreas. Nesse sentido, percebo que um dos maiores limites da evolução tecnológica dos Robôs Investidores está na sua velocidade de disseminação de boas ideias, uma vez que, de forma diferente de outras áreas, onde existe um processo colaborativo, na área de finanças enfrentamos uma competição muito grande por informações, muitas vezes até de forma desleal. O resultado dessa competição é que a evolução caminha em frentes isoladas, onde quanto maior o sucesso da descoberta menos ela é disseminada. Em outras palavras, a velocidade de evolução se mostra como um dos aspectos mais desafiadores para a construção de Robôs Investidores realmente eficazes e competitivos. c ompetitivos. O impacto do aprendizado profundo no mercado de capitais Com o crescimento e recente sucesso da utilização de sistemas de aprendizado profundo, ou deep learning, para a solução de problemas computacionais complexos, nas mais variadas áreas, surgem naturalmente expectativas sobre o impacto dessa tecnologia no mercado de capitais.
23
Eu defino essa evolução como o impacto do Deep Learning na capacidade de unir Arte e Ciência, como mostra a Figura 1.4. Ou seja, nenhuma evolução, humana ou da máquina, deve ser considerada mais de forma isolada, apesar das limitações que elas apresentam e, por mais paradoxal que pareça, justamente por elas.
Figura 1.4 – Impacto do Deep Learning unindo Arte e Ciência
24
Muitos dos algoritmos atuais dessa tecnologia nem são tão novos, já tendo sido testados e tentados no passado, com maior ou menor sucesso, através das redes neurais artificias e diversos sistemas de inteligência de máquina. Mas é indiscutível a vantagem competitiva dos computadores atuais e sua capacidade de processamento paralelo, armazenamento, conectividade e troca de dados sem precedentes, abrindo as portas para a validação de teorias do passado. Dessa forma, modelos que necessitavam de um ambiente adequado para prosperar encontram hoje um terreno fértil de evolução tecnológica, comprovado nas mais variadas áreas. A evolução das redes r edes neurais artificiais As avançadas arquiteturas de computadores, muitas delas utilizando estruturas livres de software e hardware, permitiram a construção de redes neurais artificiais (RNAs) de alta complexidade, muitas delas seguindo os mesmos princípios dessa área criados a partir da década de 1940, onde busca-se um formalismo matemático e o desenvolvimento de algoritmos de aprendizado artificial, ou ainda, formas de criar programas de computador capazes de desempenhar tarefas de forma inteligente. Os modelos de aprendizado profundo atuais permitem a criação de sistemas que emulam neurônios com as mais diferenciadas estruturas, buscando replicar o processamento de nosso cérebro para a solução de problemas dos mais m ais simples aos mais complexos.
25
Figura 1.5 – Solução de problemas através de redes neurais artificiais
Entre esses problemas, destacam-se a detecção de padrões para processamento de linguagem natural, algo tipicamente fácil para um ser humano e ainda extremamente complexo para máquinas. Também em diversas áreas do conhecimento onde os problemas podem ser modelados em estruturas compatíveis com o aprendizado profundo, como na solução de problemas, representada de forma gráfica na Figura 1.5, e que vão desde jogos até solução de problemas complexos de análise, novos resultados surpreendem os cientistas a ponto de várias previsões otimistas em relação à tecnologia repercutirem cada vez mais na mídia.
26
O impacto no mercado de capitais O aprendizado profundo tem sido cada vez mais testado na construção de algoritmos para finanças quantitativas, destacadamente em trading systems e os mais variados modelos operacionais automatizados. Um dos pontos fortes dessa tecnologia aplicada ao Mercado de Capitais é a capacidade de buscar soluções para os problemas de forma similar aos gestores humanos, uma vez que os modelos de neurônios artificiais podem ser baseados nos mesmos princípios que resultam em decisões na área, inclusive nos aspectos emocionais, como emoções, medo, dúvida, etc. Note que, como já frisei anteriormente, não estou falando aqui em qualquer modelo de identificação consciente de padrões. A consciência, no caso, está na mente do investidor. Mas as finanças quantitativas focam em resultados, e o aprendizado profundo é apenas um modelo estado da arte da Computação Cognitiva que pode atuar como uma ferramenta para atingir esses resultados. A força está portanto nos resultados da união de Arte e Ciência e não na substituição de uma ou outra. Em uma comparação grosseira, não é muito diferente a força da união do fogão com o forno de micro-ondas, que atuam de forma complementar, como ferramenta para o Chef C hef de cozinha. Está claro, portanto, que por mais avançada que seja a tecnologia de redes neurais artificiais, o Robô Investidor ainda é apenas mais uma dessas ferramentas à disposição do gestor.
27
Mas, independentemente das limitações atuais, descritas anteriormente, será que em breve as máquinas e trading systems com uso intensivo de aprendizado profundo irão dominar o mercado? Bem, essa é uma outra questão e uma pergunta que ouço seguidamente, quando apresento e descrevo esses conceitos. Se compararmos com outras áreas, onde essa tecnologia tem avançado, a resposta lógica é sim. Mas se levarmos em conta a real complexidade da operação automática no mercado, a resposta pode não ser tão t ão direta. E isso acontece pelo fato de o problema a ser resolvido, que poderia ser denominado de eficácia na decisão de trade, ser, em tese, de uma complexidade infinita. O desafio da detecção rápida de padrões, em todas as áreas Apesar de algoritmos de deep learning poderem aprender a detectar padrões em imagens tão bem como o ser humano, ou ainda jogar Xadrez ou Go melhores que nossos campeões, quando se trata de decisões que envolvem um futuro com um número incerto de variáveis e estados, típico do problema de operação no mercado, as máquinas e seus modelos passam por dificuldades d ificuldades similares aos gestores. A realidade que qualquer algoritmo tem que enfrentar, quando se trata da área financeira, é que quanto mais estudamos o passado e seus dados, mais aprendemos e descobrimos padrões. Entretanto, quando buscamos identificar no futuro o aprendizado necessário para nossa sobrevivência no mercado, parece que o efeito contrário é o que prevalece, ou seja, descobrimos cada vez mais formas de perder e estarmos vulneráveis em nossas posições. 28
Em outras palavras, quanto mais olhamos para o mercado futuro de forma competente e realista, mais identificamos a complexidade de ameaças e oportunidades que poderão pode rão impactar nossas decisões. E talvez esteja ai a beleza do mercado, com o interminável desafio de tudo mudar a qualquer momento para novos padrões, ou até mesmo o caos total. Quem irá dominar o mercado Acredito que os algoritmos, cada vez mais inteligentes, vieram sem dúvida para desafiar até mesmo a precisão da previsão do futuro. futuro . Desde coisas muito simples, como processos de regressão linear para geração de informações de forecasting até modelos avançados de construção e monitoração ou acompanhamento de cenários futuros. Mas, afinal, quem irá dominar o mercado? Tudo indica que são as máquinas, mas é bom não subestimar o potencial e experiência dos gestores humanos, principalmente para sintetizar e analisar rapidamente as variáveis mais relevantes, o que ainda poderá ser necessário evoluir em várias tecnologias atuais para ser realizado de forma tão eficiente nas máquinas que se propõe a superar esse desafio no futuro. Mas, afinal, qual a capacidade que se pode esperar dos Robôs Investidores? Tão infinita, como a do gestor humano. Ou seja, um ciclo evolutivo sem fim.
29
Robôs Investidores e o Big Brain Acredito que uma das maiores contribuições para a Ciência dos Robôs Investidores esteja na formação de um Big Brain, que é um conceito que apresento como a união de dois conceitos fundamentais para a àrea de ciências cognitivas: o Big Data e a Internet das Coisas (IoT). Na verdade apresento e utilizo em meus robôs o Big Brain como uma arquitetura universal para a modelagem de qualquer sistema automatizado e autônomo, baseada no funcionamento de nosso cérebro, e podendo ser utilizado em qualquer tipo de robô para o Mercado de Capitais ou em outras áreas de conhecimento. O principal conceito de Big Data, e que diferencia do Data tradicional, foi o apresentado por Doug Laney da consultoria Gartner [8], no artigo ‘3-D Data Management: Controlling Data Volume, Velocity and Variety’. A ideia dos 3 Vs, e gestão tridimensional dos dados, envolvendo volume, velocidade e variedade – como os tipo de dados, por exemplo texto, vídeos, etc. – se mostra cada vez mais correta, tendo sido agregadas ainda duas outras out ras dimensões, veracidade e valor, para formar os 5 Vs do Big Data Dat a [9]. Ou seja, talvez a melhor forma de definir o que é o Big Data seja endereçar ao mesmo tempo esses 5 Vs – volume, velocidade, variedade, veracidade e valor – de forma realmente eficaz, o que no meu entender, consiste em criar sistemas mais inteligentes e com melhor qualidade de tomada de decisões. E se isso é verdade, talvez o próprio conceito de Big Data perca o sentido se não evoluir para um novo conceito, que chamo de Big Brain, onde o valor e a eficácia de todos Vs do Big Data é traduzido na criação de um grande cérebro inteligente.
30
Figura 1.6 – Data x Big Data para os Sistemas Mas como transformar o Data, e o Big Data, ainda mais com o grande volume de dados adicionado pela Internet das Coisas – ou IoT (Internet of Things) – no Big Brain? Essa é a pergunta que iremos buscar responder nesse livro, com diversas arquiteturas, começando inicialmente pela separação de Data e Big Data, com um modelo similar ao que considero ser feito em nosso cérebro, como mostra a figura 1.6. Afinal, se queremos buscar o Big Brain, e temos um modelo operacional do nosso cérebro cada vez mais aberto e conhecido, graças às pesquisas das mais variadas áreas, destacadamente as de neurociência, é lógico que buscar modelos similares irá acelerar anos de evolução para nossos algoritmos, principalmente se esse Big Brain for operacionalizado como parte de um sistema mais complexo, que é o de um robô. 31
Figura 1.7 – Data x Big Data para as Coisas Na arquitetura que proponho, como base para formação do Big Brain, busco separar os dados e processamento em duas camadas, como acontece de forma similar em nosso cérebro, com o processamento consciente e inconsciente. No caso, o processamento de Big Data estaria focado exclusivamente na produção de inteligência a partir dos dados, entregues diretamente para o processamento de Data. Na prática, não há nenhuma regra ou compromisso que a inteligência produzida pelo processamento de Big Data se transforme em informações relevantes para os sistemas que irão, de alguma forma, consumir essa inteligência. O relevante mesmo é que ela seja permanentemente produzida, sem nenhuma perda de dados de entrada para isso. 32
Outro ponto relevante da arquitetura é a análise de toda e qualquer entrada de transações, seja já diretamente no formato de dados estruturados, seja em formatos variados, como previsto pelo V de variedade do conceito de Big Data. Esse processamento de Big Data, desde o tratamento de dados primários até a produção e análise de informações, com formação de regras de inteligência, deve ser um processo contínuo, sem interrupções, qualificando cada vez mais o processamento de Data, que seria a área mais nobre da arquitetura, com limitações bem maiores de recursos. Além disso, a ideia é permitir que a interface com os tradicionais sistemas e dispositivos de mercado possa ser feita para qualquer coisa, como por exemplo um automóvel, na figura 1.7. Ou seja, a mesma arquitetura válida para a interface com um computador ou servidor, ou ainda um smartphone ou tablet, deve ser válida para a interface com qualquer outro objeto, desde que obviamente esse possua alguma comunicação com o processamento de Data. A possibilidade de adotar a mesma arquitetura para qualquer Sistema ou Coisa, ou Tudo, como refiro no título do capítulo, com exatamente a mesma interface e protocolos, abre as portas para a máxima aquisição de dados, dados, informações e inteligência do ambiente ambiente externo para o processamento de Data ou Big Data, e, como veremos mais adiante, como substrato para formação do Big Brain. Unindo Big Data e Internet das Coisas O potencial da união de Big Data e Internet das Coisas é ilimitado, principalmente pelo crescimento da quantidade e qualidade de sensores, cada vez mais diferenciados dife renciados dos dispositivos existentes. Em termos de Big Brain, podemos considerar que os sensores de ambiente agregam níveis de consciência ao cérebro artificial, que é um dos problemas mais complexos de dimensionar e endereçar na área de inteligência artificial. E, sem dúvida, é necessário pensar em arquiteturas escalares a ponto de explorar a quantidade de sensores 33
que podem ser agregados aos sistemas de inteligência distribuída baseados em Big Data. Por exemplo, supondo apenas um veículo na figura 1.7, e a partir do momento que é conectado à internet, o volume de dados que poderá ser transmitido em tempo real irá depender basicamente da limitação de conexão, pois a quantidade de sensores em uma automóvel pode ser muito grande. E, se temos milhões de veículos com a mesma tecnologia, imediatamente o problema de tratamento desse volume passa a ser ter capacidade para processar volumes gigantescos de dados, que é justamente o objetivo de existir um Big Brain, com capacidade de análise dos dados, em qualquer dimensão, constantemente. Em tese, o grande desafio do Big Data, antes de qualquer análise, é não perder nenhum dado, ou, dentro do possível, minimizar essa perda, mantendo eles para sempre. Mas, na prática, o grande desafio de Big Data juntamente com a Internet das Coisas, é a capacidade de transferência de dados e transações em tempo real, que envolve todo o processo de coleta, principalmente pelos custos associados aos meios de transmissão móveis. Ou seja, de d e nada adianta ter sensores de alta capacidade de coleta de dados e transações, se não temos tempo suficiente para transmitir eles para os sistemas remotos. Inteligência em tempo real para o Big Brain Os robôs, máquinas essenciais para a criação do Big Brain, abrem as portas para a inteligência em tempo real, tanto para eles próprios como para nós, humanos, através das tecnologias de inteligência aumentada e inteligência artificial. No mercado financeiro as decisões são tomadas pelos robôs em tempos cada vez menores e já abaixo de um milissegundo, com limites determinados cada vez mais pela própria velocidade da luz. E são decisões que podem envolver milhões de reais.
34
Da mesma forma, através das tecnologias de RPA ou Robotic Process Automation e SPA ou Smart Process Automation, vários ajustes e definições de regras de negócio das empresas nas mais variadas áreas são feitos também cada vez mais em tempo real. Como, tipicamente, as decisões de comércio eletrônico e de análise de crédito. Na prática, a inteligência humana se torna cada vez mais impactada, criando novos paradigmas como a inteligência aumentada e a inteligência acelerada, que é a que proponho na minha teoria do tempo ao quadrado, e da própria inteligência ao quadrado. Os riscos da decisão em tempo real Evidentemente que, como toda nova tecnologia de ruptura, existem diversos riscos em decidir em tempo real, como no passado existiam – e ainda existem – os riscos de transações em tempo real na internet, como no caso do comércio eletrônico e do homebanking, das gerações passadas de tecnologia da informação. Mas esses riscos devem ser vistos como mais problemas a serem endereçados pela Tecnologia da Inteligência - a nova TI -, e justamente essa é uma de suas responsabilidades. E uma das formas de minimizar os riscos é através do controle de falhas e erros dos robôs,ou seja, com sistemas de tolerância a falhas que sejam capazes de deixar as máquinas mais resilientes para essas situações, que fatalmente irão acontecer, nos níveis de complexidade que se espera para o Big Data e Internet das Coisas. O poder da execução fle flexível xível Os robôs permitem as mais variadas abordagem de execução dos processos, com capacidade inclusive de gerenciamento de outros robôs, como vimos anteriormente. E essa flexibilidade acontece desde a execução de processos e projetos, até a sua configuração e definição de arquitetura de servidores e sistemas para seu correto funcionamento. 35
Além da centralização e padronização dos processos, e da redução de custo e aumento da produtividade, a disseminação do uso de robôs na execução de processos e projetos pode representar uma série de outros benefícios de mercado que podem ser identificados através do uso de gráficos exibindo as dimensões de tempo: robôs x humanos. Na prática, deve-se buscar migrar as atividades do eixo dos humanos para atividades do eixo dos robôs, sem comprometer a qualidade anterior, o que nem sempre é possível. Exemplo de Robô Investidor com Big Brain Uma das grandes oportunidades da Ciência para Robôs Investidores está na possibilidade de buscar oportunidades invisíveis para outros investidores, em baixa frequência. Na verdade a maior parte dos investidores busca isso apenas pela análise gráfica, de preços e volumes, e a grande vantagem competitiva dos robôs para isso está na utilização do Big Brain, ou seja, toda a rede de percepção de mercado, através de Big Data e Internet das Coisas, como no exemplo a seguir. Um robô para busca de oportunidades invisíveis em baixa frequência O objetivo desse robô é buscar novas formas de inteligência de mercado para investidores que não sejam de fácil identificação por outros investidores, proporcionando uma maior vantagem competitiva e de análise e de novas no vas oportunidades de investimento. Na figura 1.8 podemos ver mais detalhes desse robô, e de como ele busca se antecipar aos movimentos da economia utilizando a inteligência de frequência de voos em determinada região ou país. Inteligência de frequência de voos Para isso deverá existir um robô R1 integrado com algum sistema público ou privado, mediante assinatura de API, para coleta de todos os voos em andamento na região que se está amostrando.
36
Não é responsabilidade do robô R1 o processo de análise dos dados, ou produção de informações e inteligência, sendo essas as responsabilidades do robô R2, também representado na figura 1.8. Inteligência de detecção de ciclos econômicos O robô R2 deverá buscar identificar as tendências de voos em cada país ou região que o investidor desejar monitorar, como mostra o objeto O2, de forma a produzir tendências econômicas, como por exemplo identificar países que estão com cenários de entrada ou saída de períodos de recessão.
Figura 1.8 – Busca de oportunidades invisíveis em baixa frequência
37
Para isso, deve registrar em uma base de dados como o objeto O4 todo o histórico de voos recebido do robô R1. Inteligência de compra e venda de ações de forma fo rma automática Através de um terceiro robô R3 deve ser possível também a automação das operações de compra e venda de ações de acordo com a detecção de ciclos econômicos, em alinhamento com outras análises técnicas ou fundamentalistas programas nesse robô R3. Por exemplo, o robô R2 poderá detectar que determinado país começa a apresentar uma curva de reversão de tendência de um cenário de crise econômica, confirmando essa informação com o robô R3, através de análise técnica, sobre os gráficos de preços e volumes de determinados ativos que compõe o principal índice de mercado do país. Dessa forma, o robô R3 poderá executar a compra dessas ações, buscando uma antecipação de visão do momento de alta antes dos demais investidores.
38
Capítulo 2
A Arte e os limites que iremos i remos enfrentar
39
Mesmo a Arte tem limites, como a fronteira do conhecimento, na ciência. Não estou dizendo que são limites estáticos ou intransponíveis, mas são os limites da foto do momento. mome nto. E uma forma de romper esses limites chama-se de extrapolação. Por exemplo, quando extrapolamos o processo de descoberta para o Mercado de Capitais, podemos considerar que a imaginação irá nos ajudar a produzir cenários no passado, presente e futuro, como mostra a Figura 2.1.
Figura 2.1 – Extrapolação dos caminhos de Arte e Ciência até a descoberta no Mercado
Evidentemente a Ciência tem muito a contribuir para a extrapolação através da modelagem de hipóteses, principalmente através da construção de cenários.
40
Mas é justamente a Arte que permite a expressão de nossas qualidades mais abstratas, como a criatividade, que é o combustível essencial para a própria imaginação, e que poderá contribuir para a visualização desses cenários. De automação de ordens à inteligência de máquina A utilização de Robôs Investidores no mercado internacional já está consolidada e disseminada a muitos anos. No Brasil, principalmente nos últimos anos, essa tendência também começa a chegar com força, embora ainda exista grande confusão de conceitos e oferta de soluções focadas exclusivamente na automação de ordens. Note-se que nas plataformas internacionais, a simples automação de ordens já é feita a mais de quinze anos, o que prova o quanto ainda temos que evoluir nessa área. Para entender o potencial dessa tecnologia, tente imaginar a visão de futuro em padrões humanos sendo modelada em algoritmos computacionais e competindo de igual para igual como qualquer investidor. Considero a visão do investidor como a vantagem competitiva mais complexa de ser transformada em sistemas computacionais, mais especificamente em trading systems.
O desafio da modelagem da visão O processo de visão exige do gestor níveis de inferência e imaginação de alta complexidade, principalmente em cenários de grande incerteza. 41
Não estou falando apenas de visão do passado, afinal conheço diversos traders bem sucedidos em simulações e backtesting. Mas sim em visão de futuro. Evidentemente se para o gestor humano esse processo de visão já é complexo, para a máquina e seus algoritmos, modelados por programadores, as dificuldades não são menores. me nores. A descoberta de um modelo que facilite a visão, como uma referência no exemplo, nem sempre é um processo simples, embora hoje se utilize a própria máquina na busca de ideias desse tipo. No mercado internacional de câmbio, por exemplo, as moedas poderão ser medidas em unidades relativas de tempo, de forma que a soma de todas as moedas será igual a zero. Assim, um dos elementos básicos da comparação e visão é uma linha zero, ou linha de equilíbrio. Se uma moeda está abaixo da linha de equilíbrio, considera-se estar desalinhada em relação a outras moedas. Assim, se uma moeda está muito acima da linha zero ela está sobrecomprada, e espera-se que mais cedo ou mais tarde ela comece a desacelerar contra todas as outras moedas, podendo atingir a linha de equilíbrio ou até mesmo reverter para sobrevendida. Em outras palavras, a proximidade de uma moeda da linha de equilíbrio significa que a moeda está no estado de equilíbrio em relação a outras moedas. Essa mesma lógica vale em qualquer mercado, desde que escolhido corretamente o grupo de instrumentos analisados e, claro, bem implantados os algoritmos corretos.
42
E esses modelos que nos ajudam a melhorar a visão, migrando ela de aspectos qualitativos para quantitativos, são um primeiro caminho para a criação de algoritmos nos robôs. Uma espécie de tradução da Arte em Ciência, o que não é algo determinístico ou sempre possível, digamos assim. Certo dia, por exemplo, após receber um alerta de um dos robôs que utilizo, de que o Euro se encontrava justamente nessa situação, quando comparado a várias outras moedas, e que no caso era de sobrecomprado, fui checar a informação utilizando algumas plataformas e sistemas próprios, apontando para a relação Euro/Dólar, e, para minha surpresa, percebi que a maior parte das estratégias dos robôs sob teste estavam também detectando a mesma situação de sobrecomprado de uma forma ou outra. Células artificiais de visão Naquele momento considerei que o que aquele Robô Investidor me encaminhou como o resultado de uma modelagem de visão, ou seja, a máquina tentando prospectar de forma clara cenários futuros utilizando situações não rotineiras para isso, e passei a modelar os dados de forma a cada vez mais detectar e processar esse tipo de informação como sendo praticamente células de visão. Assim como a Arte tem liberdade de expressão de forma independente do que a Ciência consegue explicar, também a Ciência busca encontrar formas de modelar os processos cognitivos da criação e imaginação, tão fortemente presentes no artista, para chegar a lógicas e modelos que possam ser compilados em fatos e regras, que serão a célula básica da inteligência artificial e computação cognitiva. Considero isso como uma capacidade de a tecnologia trazer informações em tempo real, não óbvias, após milhares de testes por
43
mineração dos preços e volumes dos ativos, que mudam constantemente, tornando o problema ainda mais complexo. Porém, para mergulhar nessa possibilidade e fazer ela acontecer, antes de tudo você precisa acreditar que ela é possível. Acreditar que de alguma forma será possível modelar os processos cognitivos da criação e imaginação. Aquele fato me fez acreditar nisso e concentrar esforços no desenvolvimento de tecnologias para digitalizar esse conhecimento. Hoje, com o feedback positivo de usuários de várias tecnologias desenvolvidas, acredito cada vez mais que, quanto mais a informação recebida de um robô é percebida como relevante e surpreendente, mais perto os usuários estão de atingir o retorno de seus investimentos, e que esse fato deixará cada vez mais de ser a exceção para se tornar regra no mercado. Minha sugestão para todos investidores que utilizam trading systems em suas análises são as mesmas que proponho em uma nova escola de investimento baseada em visão futura, que denominei de Escola da Visão. Na prática, isso significa modelar algoritmos e estratégias que se adaptem às seguintes regras, consideradas as regras de ouro dessa escola, e descritas a seguir:
Regra 1 – Sobre a antecipação ante cipação Não realize nenhum investimento, ou execute um trade, se não tiver uma visão antecipada e um mapeamento completo dela (construção do cenário e visão de futuro). Regra 2 – Sobre a descoberta d escoberta 44
Quanto mais raro ou imprevisível for o cenário previsto, provavelmente maior será o seu lucro. Regra 3 – Sobre a precisão p recisão Quanto mais o cenário previsto estiver próximo da realidade futura, provavelmente maior será o seu lucro. Regra 4 – Sobre a velocidade Quanto mais rápido for descoberto o cenário previsto, provavelmente maior será o seu lucro. Regra 5 – Sobre o risco r isco Quanto mais rápido for detectado que o cenário previsto não está convergindo para a realidade futura, e consequentemente modificadas as estratégias atuais, provavelmente menor será o seu prejuízo. Entretanto é sempre bom estar com os pés no chão, ou seja, não pensar que trading systems ou Robôs Investidores de qualquer espécie irão de alguma forma ou outra prever o futuro. Assim como visão não é prever o futuro, mas a descoberta de um possível futuro. Na prática é possível adaptar robôs a vários tipos de regras, provavelmente até mais complexas que as anteriores. Mas na verdade, diante do alto nível de competitividade atual dos mercados, acredito que futuramente a única forma de estar dentro dessas regras será através de sistemas automáticos e inteligentes. A percepção do robô como um sistema inteligente Como você se sentiria se fosse definido por seu superiores, caso se reporte para alguém, como mero executor de tarefas? 45
Assim como os gestores humanos, existe cada vez mais ‘vida inteligente’ criando robôs. E vivemos uma realidade onde Robôs Investidores são sistemas cada vez mais inteligentes e autoadaptáveis, independentemente de serem assim reconhecidos. Mesmo que não sejam capazes de se autoajustarem, o que pode acontecer dentro desse processo evolutivo, após configurados, através de um ajuste personalizado ou Setup, podem operar de forma totalmente independente do ser humano, ou, pelo menos, até os limites emocionais desse. Tomam decisões autônomas de investimento, como um piloto automático, e portanto não são meros motores de aviões, a menos que tenham sido assim limitados pelos seus programadores (o que no caso é uma decisão de limitação deles). Ou seja, possuem capacidade de análise de qualquer tipo de informação de mercado - dados da dos de preços, volumes, balanços, notícias, imagens, áudios, vídeos, etc e são formados por diversas plataformas de investimento - por exemplo plataformas com escolas de análise técnica, escolas fundamentalistas, escola da visão, etc. et c. As plataformas, por sua vez, são formadas por sistemas operacionais automáticos (automated trading systems ou ATS ) dos mais simples aos mais complexos, que por sua vez são formados por algoritmos, que por sua vez são formados por lógicas, etc, etc. Isso significa que uma operação automatizada não representa necessariamente apenas o nível mais inferior de execução, mas pode ser apenas o efeito prático de níveis bem superiores de abstração tecnológica e estratégica.
46
Porém, e infelizmente, a maior parte dos investidores ainda não está adaptada ao conceito de Robôs Investidores, porque está presa ao paradigma de que robôs são capazes apenas de executar tarefas mecânicas sem inteligência alguma. No momento que se estuda a modelagem de visão nos algoritmos quantitativos estamos avançado várias etapas para romper os padrões de expectativa sobre a função final dos robôs no mercado de capitais. A vantagem competitiva dos Robôs Investidores A Arte impõe limites, mas sua superação poderá determinar diversos modelos de vantagem competitiva, e por muitos anos. Entretanto a Ciência, depois que encontra um modelo relativamente confiável para traduzir a imaginação do investidor em um sistema, parece não encontrar limites. Na prática, se necessário, a tecnologia irá no máximo encontrar barreiras técnicas, como a latência – uma das mais comuns nessa área. Por exemplo, as limitações da velocidade da luz, como no caso de comunicação entre o Data Center de uma corretora e o Data Center da Bolsa de Valores. Ou ainda os problemas de qualidade dos dados, sempre sujeitos a falhas e erros de coleta e processamento. pr ocessamento. Mesmo assim, são muitas as vantagens competitivas do uso da tecnologia de Robôs Investidores, principalmente em momentos de instabilidade e cenários de crise. Os trading systems, por exemplo, são ideais para o mercado de alta volatilidade e incerteza, pois podem operar com desenvoltura e frieza
47
tanto na ponta comprada (long position) como na vendida (short position). Infelizmente as regras do short position para BM&F, mercado futuro, opções, etc, não são tão flexíveis e tão rentáveis como em outros mercados mais evoluídos, porém se adaptar a regras é sem dúvida uma tarefa fácil para qualquer sistema digital. Essa desenvoltura não é tão fácil de ser entendida e utilizada pelo investidor puramente humano, principalmente porque requer disciplina e velocidade na tomada de decisão, e com isso os robôs e algoritmos ganham terreno. A nossa realidade como traders sistêmicos As vantagem competitiva dos Robôs Investidores depende da realidade de tecnologia de mercado nessa área. Por exemplo, a entrada da plataforma MetaTrader 5 no mercado brasileiro em 2014 trouxe novas oportunidades e desafios, principalmente aos traders discricionários, até então a grande maioria, devido ao absurdo atraso das plataformas então existentes para o mercado BM&FBovespa. Vários fornecedores também foram impactados pelo potencial dos algoritmos, e hoje vemos produtos nacionais oferecendo ferramentas automatizadas de análise de mercado e até mesmo, pasmem, oportunidades de criação de trading systems, o que parecia distante e somente um privilégio do mercado m ercado corporativo. Mas o preço de começar muito atrasado no mundo da tecnologia é acabar por queimar etapas. E a grande onda da operação com robôs, no nosso cenário, ainda se mostra distante, tanto em termos conceituais como tecnológicos.
48
Enquanto as maiores empresas nas principais potências na área de algoritmos criam novos sistemas inovadores, ainda estamos focados em automação e operação mecanizada. Uma metáfora entre o arco e flecha indígena e o rifle dos primeiros colonizadores dessas terras. E esse atraso facilita a entrada de grandes players internacionais, pois enquanto nossas ferramentas buscam, no melhor caso, o que sobrou e apenas reagir rapidamente às mudanças, ou seja, a mecanização, a inteligência estratégica dos líderes de mercado no segmento de robôs cria sistemas cada vez mais competitivos. compet itivos. Sim, sistemas, e não apenas ferramentas de mecanização ou robotização, digamos assim. Afinal, a inteligência dos algoritmos já evoluiu e muito bem antes de as plataformas compatíveis se tornarem realidade por aqui. Um bom exemplo disso é a mecanização do tape reading, como se fosse possível enfrentar apenas com algoritmos combinacionais os sistemas evolucionários de alta complexidade dos grandes players na área. Na prática, criamos um grande cassino digital, onde a sorte no disparo dos algoritmos será o que irá determinar o sucesso. Escapando do viés mecânico Não por menos, a maioria dos usuários de técnicas e ferramentas com esse viés mecânico, oscilam entre histórias de grandes ganhos e grandes perdas, muitas delas sem explicação. Ou ainda justificam o sucesso ou insucesso aos acertos e erros de sua análise discricionária.
49
Já os grandes players, digitalizam sua visão estratégica, retirando qualquer margem de erro das decisões emocionais. Mais ainda, operam de forma totalmente automática, com a mínima interferência do gestor humano nas decisões. Se os algoritmos mais inteligentes de análise de fluxo de ordens estão presentes a muitos anos nas principais soluções de operação em alta frequência, sendo capazes de analisar volumes gigantes de informações em tempo real em sistemas de alta complexidade e sem qualquer traço de emoção, e essas não apresentam nenhuma garantia de resultado, o que esperar das ferramentas operacionais mecânicas nacionais?
Sistemas operacionais automatizados Infelizmente, no Brasil, quando pensamos em sistemas operacionais automatizados, encontramos um desafio e entendimento ainda longe da maior parte dos traders e fornecedores. f ornecedores. É mais fácil criar a dicotomia do trader discricionário e mecânico para justificar nosso atraso, falhas e erros no mercado de algoritmos. Mas na realidade, o mercado mundial enfrenta a dicotomia do sistema enfrentando o gestor, com cada vez maior competência, a ponto de, daqui alguns anos, qualquer operação discricionária tangenciar os limites da responsabilidade. Mais do que nunca, precisamos mudar nossa visão e de mais robôs e tecnologias com inteligência preditiva e sistêmica para enfrentar de fato a evolução nessa área. Embora a realidade seja que você encontrará poucos traders e fornecedores comentando que o processo de decisão coletiva no 50
mercado de capitais é cada vez menos determinístico, ou seja, não existe método, ferramenta, sistema ou gestor que possa garantir de alguma forma qualquer centavo futuro para suas ideias, precisamos de sistemas que sejam capazes de construir essa realidade para competir de igual para igual com os grandes players internacionais. Afinal, a verdade é que o problema de tomada de decisão, seja no mercado de capitais, seja no mundo dos negócios das empresas, possui infinita complexidade. No meu entender, cabe aos sistemas quantitativos diminuir as incertezas de forma automática e probabilística. Como a Ciência nos ajuda a enfrentar o futuro, os sistemas e seus robôs chegaram para competir fortemente. Sei que esse é um caminho difícil, afinal muitos traders nacionais ainda estão presos aos velhos paradigmas, lutando contra a tecnologia ou trabalhando no lugar dela, uma vez que pouco se fala ou discute sobre a verdadeira influência dos robôs e algoritmos no estado da arte nos mercados internacionais. Mas se você se encontra nessa situação, pare para pensar pe nsar se não vale a pena utilizar realmente a tecnologia para trabalhar para suas operações, trazendo a liberdade necessária para você se preocupar com o que realmente interessa. Acredite, isso representa um cenário em que, mesmo operando no intradiário, você irá confiar e ficar distante da máquina, apenas observando seus resultados. Quando os Algoritmos, Estratégias e Setups automáticos falham Talvez esses algoritmos entrem em apuros, e aí sim sua presença se tornará fundamental, mas essa deve ser a exceção, e não a regra. 51
E essa tecnologia ultrapassa o mecânico e vive nos sistemas inteligentes e estratégicos, capazes de resolver e decidir de forma automática e autônoma de forma cada vez mais rápida e precisa. E, acima de tudo, capazes de modelar o processo visionário dos melhores gestores humanos. Visão, disciplina, precisão e velocidade Dificilmente o ser humano chegará sozinho a ter todas essas qualidades, ou seja, visão, disciplina, precisão e velocidade, mas contando com o apoio de softwares robôs, essa será cada vez mais nossa realidade. Da mesma forma, dificilmente o Robô Investidor conseguirá chegar em um nível de modelagem de Visão tão competente ao de um experiente gestor. E onde devem se concentrar nossos esforços, se estamos diante de uma dificuldade dos dois lados: o do humano e o da máquina. Ou ainda, qual desses lados devemos acreditar mais e dar preferência para dedicarmos nossos esforços de aprendizado? Nesse ponto, chegamos na lógica principal de união de forças que proponho entre Arte e Ciência, na busca de aumento de competitividade, e que permita gerar os resultados desejados, ou seja, vencermos. Mas ainda não entraremos nos detalhes dessa união, que é o foco do próximo Capítulo. Quero aqui, antes disso, me concentrar nas limitações da Arte, principalmente quando aplicada aos Robôs Investidores. 52
Seria tudo muito fácil se o computador fosse uma máquina biológica, ou seja, com processamento natural, como o ser humano. Provavelmente discorrer sobre esses assuntos seria também desnecessário. Mas o que temos nas mãos, ainda, é um dispositivo de grandes limitações, principalmente se comparado com o fantástico cérebro humano. E talvez esse mesmo dispositivo nunca chegue nem próximo a ele, como profetizam alguns gurus da Computação Cognitiva e Inteligência de Máquina. A camada mais abstrata dos robôs Até hoje, muitas das técnicas que fizeram sucesso no passado ainda são utilizadas por traders e algotraders nos mais diversos mercados. Isso porque tanto na análise técnica, como fundamentalista, e, mais recentemente, quantitativa, existem princípios operacionais que parecem sobreviver ao tempo, como por exemplo as técnicas de detecção de rupturas ou breakouts. Na verdade, muitas dessas técnicas já misturam Arte e Ciência (Figura 2.2), pois o futuro é sempre incerto, mas quando olhamos para o passado, é necessário encontrar uma lógica para os acontecimentos, por mais improvável ou absurda que ela fosse, quando ainda estava orbitando apenas na esfera das possibilidades.
53
Figura 2.2 – Técnicas que misturam Arte e Ciência
Ou seja, o processo de reconhecimento e modelagem da Arte dentro de modelos operacionais não é uma novidade. Mas a sistematização ou o processo de fazer isso de forma sistemática, e por que não autônoma, é a barreira a ser transposta pela Ciência. Para melhor entendimento do que eu quero dizer, imagine-se como o piloto de um grande avião, onde é possível decidir entre pilotar tomando todas decisões ou simplesmente ativar um piloto automático. Em termos práticos, sua decisão estará entre a Arte de pilotar e a Ciência de pilotar, pois se as decisões forem totalmente discricionárias você estará conduzindo o avião no máximo nível de influência humana, e se forem totalmente automatizadas, no mínimo nível. Não por acaso, é esperado que o piloto automático seja ativado apenas em momentos onde os riscos sejam menores, como por 54
exemplo se as condições climáticas são favoráveis e o se a altitude está dentro de uma determinada estabilidade. Provavelmente você evitará passar para a máquina as decisões de pouso e decolagem, pelos evidentes riscos de enfrentar situações fora do padrão, que exigem uma reação mais discricionária.
Os robôs e o novo trader discricionário Os robôs trazem a expectativa da operação sistêmica, mas na verdade a grande maior parte dos traders ainda são discricionários, apesar de operarem com robôs. Sem dúvida um paradoxo, que eu chamo de o novo trader discricionário. Esse novo trader, ou algotrader, para ser preciso, uma vez que toma decisões utilizando sistemas e algoritmos, passa o dia fazendo backtesting e analisando métricas. No passado fazia o mesmo, analisando gráficos e indicadores. Mas será que evoluímos?
Buscando a evolução, e a Ciência Acredito que evoluímos pouco ou praticamente nada, pois quanto mais tempo o algotrader fica envolvido em backtesting, ajustes, análise de métricas, análise de estatísticas, etc, maiores as chances de ele cometer os mesmos m esmos erros dos traders discricionários do passado. Ou seja, trocamos seis por meia dúzia. A solução para mudar de fato esse cenário, e termos algotraders que realmente deixaram as emoções das decisões é automatizar a análise. 55
Automatizar a análise? Para um trader discricionário com longo tempo de experiência na busca de padrões e estratégias, essa pode ser uma tarefa impossível. Isso acontece porque o trader sabe das imensas dificuldades de se operar mantendo regras e padronizações no dia a dia. d ia. O mais natural, buscando sobreviver no mercado, é que o nível de decisões discricionárias sejam tão frequente que nenhum modelo possa de fato ser extraído. Até pode ser que algumas regras simples se repitam, mas isso é bem diferente que seguir um modelo operacional padronizado e constante, que podemos denominar de sistema. Talvez o caminho para isso esteja justamente em mudar paradigmas, como o de converter ideias passadas em novas ideias. Muitas vezes a tecnologia avança justamente com o abandono de técnicas antigas ou que perderam a eficácia. Como dizem os mais experientes, às vezes é necessário ‘largar o osso’, ou seja, mudar de forma radical a linha de estudos e pensamentos que conduzem nossos modelos operacionais atuais. Em outras palavras, transformar a análise em algoritmos, inclusive a que nos exige tanto tempo no backtesting. E para isso é preciso acreditar e buscar soluções que realmente sejam sistêmicas e quantitativas. Enquanto a análise for manual, apenas criamos um novo trader discricionário, com suas novas ferramentas, e talvez, com mais tempo dedicado a elas que no passado, com as velhas ferramentas e técnicas de análise gráfica.
56
Quando tudo pode funcionar, ou não Com a evolução das máquinas e computadores, principalmente nos últimos anos, nos deparamos com novas camadas de técnicas e sistemas para operação de forma automática, impulsionadas por tecnologias que exploram conceitos de união de Arte e Ciência cada vez mais novos e desafiadores. de safiadores. Mas um dos grandes problemas que a tecnologia trouxe para o mercado é que ela permite que toda e qualquer técnica possa ter sucesso em determinado momento. Além disso, nem sempre é fácil mensurar a qualidade de nosso sucesso. Ou seja, muitas vezes o que parece bons resultados nada mais são boa sorte. E a sorte pode ser uma grande inimiga dos sistemas automatizados, uma vez que ela irá abstrair a realidade da qualidade das estratégias e Setups escolhidos, para sofrerem, após um período de inércia, as perdas naturais de sistemas aleatórios operando no Mercado de Capitais. E a tecnologia deve nos livrar da sorte, pelo menos até onde é possível, antes que ela se torne um grande problema. Seja a mais simples, como a análise de médias móveis, até as mais complexas, baseadas na análise em tempo real do livro de ofertas e fluxo de ordens, como feita pelos formadores de mercado e robôs de alta frequência, ou High Frequency Trading (HFT), a verdade é que todas as técnicas conhecidas podem ser relevantes a qualquer momento. E essa realidade impõe um desafio sem precedentes ao trader atual, que é identificar qual técnica e sua correspondente estratégia é a mais 57
adequada para o cenário existente nesse momento, que pode ter o horizonte de alguns minutos a frações de segundos. Ou seja, não existem soluções determinísticas para enfrentar a complexidade dessa realidade atual, mas acredito que essa seja a principal função dos robôs traders e a sua mais abstrata e relevante camada de atuação, ou seja, a descoberta em tempo real das melhores técnicas, estratégias e instrumentos financeiros. finan ceiros. Isso acontece porque os padrões de mercado são cada vez mais curtos, forçando a mudança de cultura de encontrar a técnica perfeita para a capacidade de percepção rápida de padrões e reação com troca de técnica, conforme os riscos e oportunidades que se apresentam a cada instante. E nesse nível de abstração, feito cada vez mais através da codificação de complexos algoritmos, a maior parte deles fechados, as fronteiras são rompidas a todo momento, aumentando cada vez mais a necessidade de investimentos em tecnologias de hardware, firmware e software por parte de traders, corretoras e empresas de investimento. --==***==--
58
Capítulo 3
Unindo Arte e Ciência para vencer
59
Se tanto a Arte como a Ciência encontram caminhos próprios para gerar uma operação no mercado, seja através de um trade ou uma posição de médio e longo prazo, entendo que as duas devem ser valorizadas e unidas, na medida do possível e dos limites que procurei descrever nos capítulos anteriores. Um modelo simples para isso é o que proponho na Figura 3.1, que é o da construção de possíveis cenários futuros, através da imaginação, em busca da descoberta do verdadeiro cenário a se transforma na realidade atual.
Figura 3.1 – Unindo os caminhos de Arte e Ciência
60
Nesse modelo, separamos o Cenário Atual, ou Fatos, do Cenário Futuro, ou Verdade, que será descoberto através da Imaginação e validação contínua de vários Possíveis Cenários. Mas, como diria o poeta Carlos Drummond de Andrade, no meio do caminho tinha uma pedra. E, para unir os caminhos de Arte e Ciência, a pedra chama-se Imaginação. E essa imaginação se mostra ainda uma grande rocha para a área de pesquisa e desenvolvimento de inteligência artificial, ou, para utilizar conceitos mais atuais, de computação cognitiva. Para alguns cientistas, muito do processo de modelagem da imaginação humana depende da capacidade de modelar o pensamento e algo ainda mais complexo, a consciência. Afinal, máquinas, até onde se saiba, não possuem consciência. E, em tese, sem consciência, o pensamento digitalizado nada mais é que a cópia do pensamento de seus autores, não muito diferente que um papagaio irá fazer ao expressar algumas palavras. A ideia de computação cognitiva busca abstrair essas limitações, com um choque de realidade onde o foco é modelar os processos cognitivos. E talvez esteja justamente ai o elo que permita de alguma forma unirmos Arte e Ciência para operação com Robôs Investidores. Na verdade esse é meu dia a dia dentro de um laboratório, na busca de modelos para os processos cognitivos de traders e investidores humanos. Não é uma atividade fácil, pois além de exigir a criação e busca constante de novas tecnologias, é necessário validar elas.
61
Mas quando encontro casos de uso de algoritmos que se aproximam, ou no mínimo se alinham aos conceitos mais abstratos e complexos dos gestores humanos, é possível ter uma pequena amostra do futuro que nos espera. Talvez em um futuro breve, um gestor tomar decisões discricionárias sem uma fundamentação de métodos quantitativos, ou até mesmo através de algoritmos, seja considerada uma falta grave. No mínimo o que se espera é que os gestores busquem, através de seu conhecimento e experiência de Mercado, transformar sua linha de pensamento abstrata e sem conexão em objetos ob jetos dentro de máquinas. Ou ainda, até mesmo potencializar sua criatividade e imaginação em fortes fatores de competição através da produção sistêmica de condições de automação e análise. Arte e Ciência no controle da perda máxima do seu robô Um de meus modelos preferidos para buscar unir Arte e Ciência na área de Robôs Investidores é o controle de perda máxima. Afinal, apesar de não podemos prever de forma determinística o retorno das posições abertas de instrumentos financeiros no mercado, é possível controlar nossa perda máxima. Mas note que a perda, quando se trata de tecnologia, não depende apenas de uma posição, mas te todo um processo. pr ocesso. E, apesar de poucos traders se preocuparem com isso, um robô sempre pode falhar, assim como seu desenvolvedor sempre pode errar. As falhas e os erros fazem parte da Ciência, e até mesmo da Arte, embora nesse caso elas estejam est ejam muitas vezes despercebidas.
62
Domínio dos processos A segurança dos trading systems, por exemplo, é um processo contínuo, que envolve várias camadas e dimensões, e que em muito se assemelha a outros sistemas de segurança na área de Tecnologia da Informação. Um dos maiores desafios de qualquer robô é sobreviver a situações de buracos negros, que são uma metáfora relacionada a momentos do mercado com mudanças abruptas de preços, muitas vezes por um tempo suficiente para causarem grandes perdas, como mostra o exemplo recente da tela a seguir, para par a o franco suíço. Quando o robô abre uma posição e entra no mercado, nada podemos garantir quanto ao seu retorno, por mais avançados que sejam nossos estudos e métodos utilizados. Ou seja, não existe um indicador a prova de futuro. Mas a imaginação pode e muito auxiliar a evitar surpresas, principalmente se encontrarmos formas de digitalizar ela em algoritmos. Como todo robô pode e deve controlar sua perda máxima, o que nem sempre é possível fazer com precisão, essa gestão de risco dependerá da dinâmica de mercado e da própria plataforma de algoritmos. a lgoritmos. Mas cabe ao criador do robô imaginar as possíveis situações de risco, como em qualquer sistema de segurança. A Ciência, nesse caso, espera pela Arte para poder existir, ou avançar. a vançar. A maior parte dos algotraders, ou traders que operam com algoritmos, acredita que a programação de Stop Loss da posição seja suficiente suficiente para o controle eficaz de perdas do seu robô, mas é importante perceber que o Stop Loss é apenas um controle da perda máxima da própria posição. 63
Porém, o que acontecerá se uma sequência de operações seguidas atingirem os níveis de Stop Loss? Será que nosso nível de proteção sistêmica será mantido?
Arte e Ciência enfrentando os Buracos Negros Quando enfrentamos cenários adversos de mercados, algo cada vez mais comum no nível de competitividade atual, uma perda momentânea ou permanente poderá ocorrer. E essa perda poderá afetar uma outra métrica muito relevante de nossos robôs, que é o drawdown ou rebaixamento, medido diretamente a partir da análise da curva de capital. Mas se o algotrader limitar o tempo de abertura de novas posições, principalmente quando o nível de Stop Loss for atingido, ele passará a ter um controle maior da situação. Estou falando, portanto, em duas dimensões de controle de nossas perdas, que são capital e tempo, que podem pod em ser resumidas abaixo:
Controle de Tempo: permite que o robô tenha estabilidade para suportar uma sequência crítica de Stop Loss. Controle de Drawdown: permite que o robô tenha estabilidade para limitar uma queda da curva de capital.
Esses dois controles, em uma camada acima do controle de Stop Loss, são apenas um exemplo de como podemos preparar os robôs para enfrentar os buracos negros do mercado, com níveis cada vez mais altos de abstração da gestão de risco, pois, como comentado 64
anteriormente, segurança é um processo constante, ainda mais na automação de operações no Mercado de Capitais. Não há limites para a imaginação, e o domínio da Arte pode nos conduzir a controles ainda mais avançados. Se não fosse assim, provavelmente a grande maioria dos investidores não conseguiriam sobreviver nos mercados, tornando os participantes como poucos ganhadores ainda resistentes. Dessa forma é importante sempre reservar uma área de código para algoritmos preparados para enfrentar buracos negros, porque cedo ou tarde eles poderão aparecer para desafiar nossos sistemas.
Quando a Arte é desconhecida Acredito que hoje, com o grande ferramental disponibilizado pelas mais avançadas tecnologias de ciência cognitiva, o desafio dos Robôs Investidores esteja em coletar os dados que possam modelar informações realmente decisivas. de cisivas. Apesar de a maior parte dos investidores não perceberem isso, nem sempre o Estado da Arte, ou o melhor dos mundos, é público ou conhecido, quando se trata de Mercado Financeiro. E o segredo é a regra principal desse jogo. Enquanto nas mais variadas áreas de conhecimento existe um esforço colaborativo, tanto de cientistas como de empresários, no Mercado e mundo real da área de bolsas, o cenário é de proteção máxima ao conhecimento adquirido e/ou inferido. Então, é natural que as estruturas mais relevantes que irão compor os aspectos artísticos estejam guardadas a sete chaves.
65
Com a entrada dos modelos de operação em alta frequência, ficaram mais evidentes essas questões, uma vez que apenas os detentores das melhores tecnologias, que na prática nesse caso significam muitas vezes as mais rápidas, irão de alguma forma competir de fato pelas melhores oportunidades. Não que nas demais áreas essa realidade seja diferente, afinal tecnologia requer investimentos, que podem ou não serem percebidos como valor para os traders e investidores que estão de fato buscando resultados de alguma forma. E a competição de opções muitas vezes estimula a busca da simplificação, uma vez que os possíveis cases de sucesso podem estarem baseados em obras do acaso. Para alguns, esse é um cenário desfavorável e até mesmo desleal, pois sabemos que a maior parte dos traders e investidores não terão acesso a esse nível de informação. Mas essa é a realidade, por mais dura que pareça, e nada pode segurar a evolução tecnológica. Nem mesmo a legislação, que geralmente corre atrás para regular esses movimentos.
Cientistas e Caçadores de Dados Diante dessa realidade, diversas novas profissões começam a surgir no mercado, potencializando a união de Arte e Ciência. Duas que gostaria de destacar aqui são a de Cientista de Dados e a de Caçador de Dados. O conceito de Big Data, por exemplo, necessita cada vez mais de profissionais que tenham capacidade de sintetizar modelos nas mais variadas camadas de imaginação de estratégias. 66
Porém, nem sempre o diferencial de determinados sistemas será atingido sem a coleta em tempo real de dados relevantes, que muitas vezes são proprietários ou disponibilizados apenas para um grupo seleto de investidores. A partir da imaginação dos investidores e gestores, surgem as mais variadas necessidades de informações. E para produzir informações para o Mercado de Capitais, essas duas profissões são cada vez mais vitais. Para melhor entendimento do contexto, imagine que as informações de atendimentos e triagens no maior hospital de sua cidade possam, de alguma forma, serem relevantes para a decisão de investimento em alguns instrumentos financeiros. Até é possível que, por economia ou simplificação, a ideia seja você descartar esse tipo de oportunidade, até mesmo pelo grau de complexidade que ela pode exigir. Evidentemente não estamos falando aqui da informação de apenas um dia, mas a de vários meses que permitam traçar uma tendência mais confiável. Cabe ao caçador de dados buscar formas de coletar os dados estratégicos de nossos modelos operacionais que não sejam de simples adoção e/ou localização. A Arte é muito amiga desse tipo de abordagem, e os artistas do mercado sabem disso, pois podem ficar distanciados dos métodos quantitativos da concorrência, principalmente quando imaginam modelos antes que os demais investidores.
67
A real competição desleal Mas para unir Arte e Ciência para vencer de fato, o trader e investidor deve estar preparado para algo bem mais complexo, que é a competição desleal, muito forte no Mercado de Capitais, encontrando cada vez mais brechas na evolução e volução rápida da tecnologia. Por exemplo, o que impede que os principais players desse mercado atuem de forma colaborativa, e oculta, sem o conhecimento de outros players, em benefício próprio? Provavelmente os órgãos reguladores nem terão tido a imaginação e o insight necessário necessário para compreender a complexidade dessas ações, ou sequer imaginar essa possibilidade. Como acontece nas mais variadas áreas onde a tecnologia da informação pode ser um fator decisivo para a ocultação e até mesmo perpetuação de crimes. Ou seja, nada impede que a tecnologia facilite não apenas o mercado de ativos finais, mas também o mercado de informações, nem sempre de forma leal. Se você deseja vencer no mercado, como qualquer outro trader ou investidor, deverá certamente exercitar a imaginação e o universo das hipóteses, como um artista, de forma a buscar modelos quantitativos que possam preparar seus Robôs Investidores para enfrentar desafios muito acima do que os métodos formais fo rmais e leais são entregues. Não espere que os órgãos reguladores tenham a velocidade de fazer isso para você. Robôs Investidores diante de outros robôs Acima dos Robôs Investidores, em termos de visibilidade e dos riscos e oportunidades das mais diversas tecnologias na área, os Robôs 68
Advisors representam a camada mais abstrata de robôs para o Mercado de Capitais, como mostra a figura 3.2, com a vantagem de atingir um nível de diversificação de investimento máximo, com controle de todo capital ou riqueza dos clientes.
Figura 3.2 – Tipos de robôs x Frequência x Diversificação Por outro lado, o tipo de investimento de um Robô Advisor tende a ser de frequência bem mais baixa, principalmente se comparado com Robôs Scalpers e Robôs HFT – High Frequency Trading – com operação em alta frequência, embora esses possam ser utilizados como parte das estratégias desses sistemas. Mas o mais provável é que as camadas de diferentes tipos de robôs, como mostra a figura 3.2, seja cada vez mais independente, atendendo diferentes perfis de clientes. O conceito de Robôs Advisors, ou robo-advisor, usando a expressão mais utilizada no mercado internacional, compete cada vez mais diretamente com o do FIA, ou Financial Investment Advisor, que é o consultor ou gestor humano, abrindo as portas para a nova Corretora Robô, que irá competir cada vez mais com o Banco Robô, e com a convergência de todos serviços financeiros para o banco do futuro. E, 69
tudo indica que os melhores Bancos Robôs irão necessitar tanto de Robôs Advisors, como de Corretoras Robôs, para poder atender às mais variadas necessidades de seus clientes humanos e robôs. Clientes robôs? Sim, por que não? Pois é exatamente essa a lógica de hierarquia que é aberta com a robotização de corretoras e banco, juntamente com seus assessores, gestores e consultores financeiros, ou seja, os próprios robôs investidores poderão orquestrar a aplicação de capital em outros robôs clientes, como já acontece no caso de escolha de Fundos de Investimento I nvestimento Quantitativo. Mas por trás de um cliente robô é lógico que deve existir um cliente humano, que espera mais que automação, e sim decisões inteligentes e retorno para seu capital, com o mínimo de custos associados, principalmente os que antes representavam comissões ou pagamentos para os humanos envolvidos no processo. Na verdade, uma parte desses recursos irá justamente para as equipes técnicas e de cientistas de dados que fazem parte da construção dos algoritmos dos Robôs Advisors. E essa pressão por performance e redução de custos, principalmente com a alta competição de robôs, deverá contribuir para a redução cada vez maior de todos os custos de operação no Mercado de Capitais, graças à escalabilidad e scalabilidadee e eficiência ef iciência de todo processo. Diante dessa realidade dos diversos tipos de robôs para o mercado, os Robôs Investidores apresentam uma característica de equilíbrio, podendo operar com frequências maiores sem perder a flexibilidade e diversidade de instrumentos financeiros. Ou seja, como se dizia no passado, esse tipo de robô não está nem tanto ao céu, nem tanto ao mar, permitindo que se explore de forma aberta as mais avançadas tecnologias das plataformas de algoritmos, com uso inteligente das estratégias para suportar os custos maiores que as operações dos Robôs Advisors. Outra vantagem competitiva dos Robôs Investidores é que a tecnologia para migrar até as camadas mais inferiores, como a dos Robôs HFT ou 70
de alta frequência, muitas vezes é similar a já utilizada nas plataformas de algoritmos.
--==***==--
Capítulo 4
A Arte de uma boa Estratégia e Setup automatizado
71
Acredito que seja muito mais fácil descobrir uma boa estratégia do que descobrir um bom ajuste para ela. Os mercados estão sempre desafiando as estratégias com momentos de pura ação inesperada, que podemos definir como uma espécie de momentos e clímax. O clímax é o momento crucial do mercado em relação à validação de nossa estratégia, e, principalmente, Setup. Infelizmente a maior parte dos traders sequer imagina isso, quanto mais cria hipóteses para enfrentar esses momentos. E muitos desses momentos não irão aparecer em testes passados, afinal também não há nenhuma regra para que o mercado se comporte hoje como no passado. Lembre-se que o Sr. Mercado não se adapta a nossas estratégias e Setups. Pelo contrário, elas que devem se adaptar ao imponderável, e a todos momentos, principalmente ao clímax que o Sr. Mercado irá apresentar, a qualquer momento. Dessa forma, ajustar um sistema que irá operar de forma autônoma e automática para nós é sem dúvida uma atividade de alta complexidade. Podemos até encontrar a solução ótima no passado, mas o presente e futuro irão apresentar uma realidade que irá testar de fato a qualidade da estratégia e Setup escolhido. Assim como os buracos negros do mercado nos ajudam a endereçar a segurança dos robôs e sistemas operacionais, em um processo contínuo, que envolve várias camadas e dimensões, e que em muito se assemelha a outros sistemas de segurança na área de Tecnologia da
72
Informação, acredito que eles possam ajudar e muito a encontrar boas Estratégias e Setups.
A Nona Sinfonia do mercado Tinha 13 anos quando assisti, ao vivo, a uma primeira apresentação de uma orquestra sinfônica, no prédio da reitoria da Universidade Federal do Rio Grande Sul (UFRGS), lá pelos anos 80. A convite de meu irmão mais velho, fomos ao salão de atos com o privilégio de ouvir uma música espetacular: nada mais, nada menos, que a Nona Sinfonia do grande gênio Ludwig van Beethoven. Salão esse que alguns anos mais tarde eu receberia meu diploma de engenheiro. Nesse momento, você deve estar se perguntando: mas o que isso tem a ver com Robôs Investidores, Estratégia e Setups? Nada como a curiosidade natural e seus modelos objetivos. Tudo bem, pode estar ainda pensando, Beethoven até tem tudo a ver com Arte, mas onde juntamos os pontos para operar de forma automatizada uma boa Estratégia e Setup? Você verá que muito, como procurarei explicar. Acontece que, por engano nosso ou dos divulgadores, chegamos ao evento com mais de uma hora de antecedência, sendo, na verdade, para ser mais preciso, os primeiros a chegar, o que nos garantiu a honra de ocupar os primeiros assentos da primeira fila. Quase em cima do palco, eu diria.
73
E isso permitiu, além de poder acompanhar de forma única a Nona Sinfonia, perceber cada detalhe de orquestração e execução dos músicos. Até porque, essa foi a primeira sinfonia onde foi introduzida um coral, ou seja, a inovação das vozes humanas misturadas aos instrumentos, em uma combinação impressionante. Mas algo que me chamou muito à atenção é que, apesar de existir um coral fantástico, com dezenas de músicos, todos postados no fundo do palco ao redor da orquestra, o grande gênio da música reservou para sua obra prima apenas o movimento final da apresentação, para eles. Ou seja, os poucos minutos finais em uma sinfonia de quase uma hora e meia de duração. Mas, nas mãos e na Arte de Beethoven, esses poucos minutos parecem uma eternidade, diante de uma beleza que só pode ser expressa de forma qualitativa. Note também que, assim como o Mercado, o coral aguarda de forma paciente, disciplinada e harmoniosa os demais músicos o momento de apresentar sua voz, e surpreender nossas Estratégias e Setups. Alguns músicos até parecem estarem próximos de perder a concentração, diante de uma espera que os deixa mais assistentes do que protagonistas. E é aqui que se ligam os pontos com a área de Robôs Investidores, e toda a Arte de uma boa Estratégia e Setup automatizado. Acredito que o mercado é muito parecido com o posicionamento e comportamento do coral na Nona Sinfonia, já que ele não está durante todo o tempo abrindo as portas para as melhores oportunidades. Ou seja, o mercado tem também suas sinfonias, e corais.
74
Algumas delas, provavelmente orquestradas justamente pelos maiores players, e nem sempre de forma leal, como já comentei anteriormente. Na verdade, as grandes oportunidades do mercado aparecem por poucas horas, quando no máximo por alguns dias. E os robôs e algoritmos são uma ferramenta perfeita para ter a paciência de aguardar de forma disciplinada o que seria o momento ideal de mercado. Penso também que dificilmente seus algoritmos terão essa visão estratégica de oportunidade sem analisarem mais de uma periodicidade, ou seja, abstraírem um pouco a análise de eficiência para buscarem o melhor momento de ação de preços por análise de eficácia de todo sistema. Quando um robô faz análises em múltiplas periodicidades, e porque não dimensões, ele passa a ter a capacidade de se preparar para o que chamo de auge de oportunidades de mercado. Como a brilhante Nona Sinfonia, que chega ao auge com o coral, os algoritmos devem buscar o auge para aumentar a exposição de suas operações, buscando aumento de ganhos com menor risco. O problema de construir um sistema assim é que não são muitos os eventos de oportunidade desse tipo no passado. Além disso eles são muito atípicos e dificilmente irão se repetir. Então temos que inovar e analisar os preços como quem imagina o pior (ou melhor, no caso para nossas estratégias) de uma forma que poucos robôs pensaram, imaginaram, ou, na verdade, foram codificados.
75
À Ciência, além da descoberta dos modelos expressos pela Arte, cabe a análise e execução rápida, evitando que as estratégias sejam surpreendidas pelo clímax do Mercado. Não apenas por backtesting, afinal, depois que aconteceu é fácil fazer qualquer análise, mas, principalmente, por modelos m odelos preditivos. Note também que o desafio de análise preditiva é muito superior ao de forecasting em si, pois po is esse apenas extrapola uma visão do passado, enquanto os modelos preditivos devem buscar hipóteses, que serão validadas por momentos tão críticos como os que irão existir no clímax do Mercado. Para buscar modelos de computação cognitiva focados em análise preditiva, também precisamos analisar lógicas em múltiplas dimensões que possam aumentar a eficácia e inteligência de nossas estratégias, modeladas em códigos de máquina. E, como comentei em capítulos anteriores, os algoritmos tornam muito muit o fácil monitorar qualquer coisa, basta ter as ideias e metodologias corretas para isso.
A hipótese da volatilidade ativa Com a crescente automatização de estratégias, uma realidade até mesmo no Brasil, com a entrada de plataformas de algoritmos acessíveis a todos os públicos, acredito que a volatilidade dos ativos e seu comportamento deveria ser totalmente reestudada. Nesse sentido, minha proposta é que se separe a volatilidade em dois tipos: volatilidade passiva (a que está nos livros e na maioria das fórmulas de finanças quantitativas) e volatilidade ativa. Procuro nesse momento pela expressão no Google e a resposta é nenhum resultado encontrado para ‘volatilidade ativa’ - apesar do 76
grande volume de robôs e tecnologias atuando no mercado em busca de formação de preços ou movimentos especulativos favoráveis. Mas se a hipótese ou conceito não existe no famoso site de buscas, ao meu entender ela existe e é cada vez mais relevante nos mercados. Isso porque acredito que a volatilidade da forma que conhecemos hoje, e está presente e disseminada na literatura, é cada vez menor. O que aprendemos nos livros é o que considero a volatilidade passiva, pois é causada por movimentos involuntários ou, digamos assim, pelas leis de oferta e demanda de manda da economia. Dessa forma, até mesmo paradigmas como o modelo Black-Scholes de apreçamento de opções, o Índice de Sharpe e o próprio modelo de otimização de portfólio de Markowitz, para comentar apenas os mais conhecidos, são impactados por essa nova realidade, onde a volatilidade é cada vez mais induzida e estratégica, e não apenas algo passivo resultante do equilíbrio de forças de compra e venda de ativos. Alguns desse modelos já baseiam ba seiam suas ideias em uma volatilidade volat ilidade ‘livre de risco’, como se a realidade assim fosse possível. Acredito que o único conceito que realmente pode livrar nossos robôs e estratégias do risco é o de proteção contra a volatilidade ativa.
77
Figura 4.1 – Sobrevivendo a volatilidade ativa Devemos estar atentos para a realidade dos mercados com uso massivo de algoritmos ‘inteligentes’ operando em frequências onde nossas sinapses não são capazes de reagir, e onde a volatilidade é cada vez mais voluntária e estratégica, principalmente com a atuação de robôs em alta frequência, embora esteja ao alcance de todos mesmo em baixa frequência, desde que tenham a tecnologia e capacidade financeira para isso. Examinando a Figura 4.1, por exemplo, até que ponto os movimentos de mercado foram causados pelas leis de oferta e demanda ou por ação dos preços por volatilidade ativa.
78
Existem muitos exemplos de mudança rápida de preços entre dois pontos que poderiam, por hipótese, terem sido causados por ação estratégica ou o que refiro à volatilidade ativa, nesse caso representada por uma janela específica no tempo. E o que acontece com a maior parte das demais estratégias, cuja tecnologia é baseada apenas nos princípios matemáticos e estatísticos formulados através de medições de volatilidade passiva? Simples, provavelmente terão seu nível de Stop Loss atingido.
Figura 4.2 – Divergências da hipótese de volatilidade ativa Evidentemente a estratégia de movimentação de preços de forma voluntária não é para todos, como por exemplo as divergências que possivelmente possam ser identificadas em indicadores (Figura 4.2), pois existe ação coordenada e grande volume operacional. E como se proteger da volatilidade ativa, se essa hipótese for verdadeira? 79
Acredito que a maior proteção é simplesmente acreditar nessa hipótese, algo fácil no domínio da Arte e complexo no domínio da Ciência, pois ela impacta em muitas crenças e métodos que adotamos hoje para operar, seja de forma discricionária ou sistêmica, principalmente no intradiário. Seja quem estiver atuando no mercado, com ou sem robôs, esteja crítico a todos paradigmas do mercado e fórmulas onde a volatilidade é relevante para a estratégia. Lembre-se sempre que a volatilidade, com a entrada dos robôs de alta frequência no mercado, não é mais a mesma. m esma. Para isso, esteja atento a toda e qualquer estratégia baseada em conceitos e paradigmas sobre a volatilidade que por hipótese já não valem mais. E também esteja atento ao métodos existentes de simulação da volatilidade. Por exemplo, o próprio processo de backtesting está impactado, pois se a volatilidade é cada vez mais ativa, tudo que vemos no passado são apenas os resultados passivos de uma foto de momento. Ou seja, quando sua estratégia entrar no mercado real, mesmo que tenha superado os movimentos passivos estáticos na base de dados histórica, o que é fácil fazer, irá sofrer com os movimentos da volatilidade ativa. Exatamente por isso, a muito tempo me dedico a construir tecnologias cada vez mais independentes de backtesting e cada vez mais explorando inteligência de máquina, que é uma das frentes de construção de algoritmos mais eficaz para reagir ao movimentos de preços voluntários e estratégicos que eu conheço. 80
Outra forma importante é levar em conta, no cálculo de limites das posições, os movimentos típicos da volatilidade ativa, o que é bem mais complexo, uma vez que a maior parte das estratégias são feitas e testadas utilizando fórmulas estáticas de mensuração da volatilidade. Seja como for, verdadeira ou não essa hipótese, uma das vantagens de operar com robôs é que podermos criar algoritmos para proteger ou potencializar o capital contra ou a favor de qualquer hipótese, mesmo que ela não se confirme. Essa é uma das vantagens da tecnologia nessa área, pois uma vez escritos os algoritmos desejados, eles podem estar permanentemente executando nossas ideias, a espera de que a hipótese se confirme e eles sejam de fato necessários. E nesse caso específico da volatilidade ativa, são inúmeros os momentos que isso aconteceu, de fato, com meus robôs, forçando a atuação reativa e inteligente desses algoritmos.
A Arte da Escola da Visão Tudo começou em 2006, quando tive um insight de correlacionar a área de Inteligência Competitiva (IC) do mundo dos negócios à área de investimentos, utilizando robôs investidores para testar essa ligação. Isso porque tanto as conhecidas Escola Técnica e Escola Fundamentalista não me pareciam atender uma questão muito importante na área de IC, que é a formação de visão estratégica e de futuro em forma de análise de atores at ores e cenários. Minha ideia na época era construir um robô capaz de ter um retorno maior por ter uma melhor visão estratégica e de futuro, e não por
81
qualquer tipo de análise técnica ou fundamentalista, algo similar ao que existe hoje no produto Neuro Labs L abs da Trajecta. O mais parecido com isso era a análise macro fundamentada feita pelos sistemas fundamentalistas, mas ela era anos luz de distância do que a área de IC consegue construir nas empresas. Me parecia que faltava uma nova escola focada em visão empresarial, principalmente a estratégica e de futuro, e portanto resolvi adotar esse tema para meu trabalho de conclusão de MBA, em 2008, ou seja, uma nova escola de investimento, a ‘Escola da Visão’. As pesquisas que fiz na época relacionando Inteligência Competitiva e Mercado de Capitais resultaram em conteúdo zero, ou seja, eu tinha certeza de estar pesquisando e criando algo inédito. O que sem dúvida é muito motivador, ainda mais na interface dessas duas áreas tão relevantes. Mais ainda para alguém que se propõe a criar uma nova escola, diante de tantos argumentos baseados em análises técnicas e fundamentalistas. Sem dúvida um desafio e tanto. O esforço principal na época foi construir um modelo, e posteriormente algoritmos, que de forma artificial fossem capazes de construir cenários futuros e agentes inteligentes sem nenhuma influência de dados passados. Um sistema totalmente focado em Inteligência Competitiva, mas traduzido na realidade do Mercado de Capitais. Desde lá foram várias as evoluções e testes, afinal, os paradigmas das escolas atuais são muito fortes, de forma a provar esse novo conceito.
82
O mais importante deles, e que deixou a Trajecta conhecida internacionalmente, foi o sistema de laboratórios denominado de Trajecta Labs, que foi utilizado para construir cenários futuros no mercado Forex e competir no sistema de sinais do site MQL5.com, onde concorrem os mais variados variad os conceitos e tecnologias. Em poucos meses os resultados eram surpreendentes, pois vários sinais baseados apenas em visão ocupavam as primeiras posições de ranking. Um produto brasileiro, baseado em uma nova escola de investimento, liderando o principal ranking de estratégias quantitativas qu antitativas da maior plataforma de algoritmos do mundo. Nada mal. E, para surpresa de alguns investidores, algumas estratégias do Trajecta Labs apenas operavam ‘compradas’ ou ‘vendidas’ em alguns instrumentos financeiros, como EUR/USD, com visões de longo prazo e alto índice de acerto. Pura visão estratégica dos modelos dos robôs. --==***==--
83
Capítulo 5
A Ciência de uma boa Estratégia e Setup automatizado
84
A aplicação da Tecnologia da Informação nas n as empresas é cada vez mais um diferencial competitivo. Em tese, o que as empresas buscam é uma maior eficiência e eficácia em transformar dados em informação, e informação em inteligência, visando apoiar seu processo de tomada de decisão. Da mesma forma que as empresas, os traders e investidores são cada vez mais desafiados para implantarem um processo similar de apoio ao processo de decisões de operação de mercado, como qual instrumento financeiro escolher, qual volume operacional, quais momentos comprar ou vender, etc. O problema das empresas e dos traders é que a gestão da informação, onde se destacam as atividades de coleta e análise permanente de dados em tempo real, é cada vez mais m ais necessária. E isso se deve ao aumento exponencial, nos últimos anos, de volume e complexidade dos dados, cada vez mais caóticos e distribuídos na nuvem. E é justamente nesse ponto que a Ciência pode contribuir, uma vez que ela apresenta as técnicas necessárias para coletar, selecionar, organizar e transformar dados em informações que realmente possam ser decisivas. d ecisivas. Quando o trader percebe esse desafio e a oportunidade de estar na frente, trabalhando de forma eficaz com a gestão da informação, pode-se considerar que ele, no mínimo, está com maiores chances de ser mais competitivo no mercado, uma vez que não existem garantias sobre o que irá de fato funcionar ou não nesse ambiente. Nesse ponto a tecnologia permite um melhor filtro dos dados no tempo (passado, presente e futuro) ou de acordo com as fontes de dados (boatos, inconfiável e confiável), uma vez que, na prática, e assim como nas empresas, a tomada de decisões de operação de 85
instrumentos financeiros no mercado possui uma dimensão infinita de complexidade e incerteza, onde ninguém pode garantir que o descarte de determinadas informações não possa levar a grandes perdas. A Ciência também pode e deve contribuir para a melhoria da visão estratégia de qualquer trader, uma vez que ela possui diversos dos principais elementos de análise de mercado e concorrência. Da mesma forma, no caso de a operação e inteligência não ser individualizada, mas fazer parte de uma empresa de gestão de investimentos, ou ainda uma corretora, as técnicas de Inteligência Competitiva poderão contribuir para a disseminação da informação, que é um dos princípios mais adotados para a implantação de tecnologias nessa área nas empresas. No mínimo, a aplicação dessas técnicas irá contribuir para um melhor planejamento e entendimento do mercado, uma vez que um dos primeiros passos de modelos assim é justamente a definição de objetivos, que podem se alinhar perfeitamente ao planejamento operacional e de investimento dos traders e empresas. Ou seja, focar a gestão da informação dentro de objetivos e metas específicas, algo que raramente é feito por quem opera no dia a dia no mercado. Nesse caso a visão estratégica irá deixar de ser a individualizada, passando a ser disseminada e colaborativa, agregando novas oportunidades e maior competitividade ainda para as organizações que tem como proposta aumentar os resultados de investimentos de seus clientes. Na prática, pensar em investir em gestão da informação, através de Robôs Investidores, pode ser hoje um dos primeiros passos, antes mesmo de investir em qualquer ativo, pois dessa decisão poderá resultar o sucesso ou o fracasso do trader ou das empresas que de forma direta ou indireta fazem a gestão de ativos de seus clientes. 86
A Ciência e a Modelagem da Visão Cada vez mais os algoritmos modelam e analisam cenários futuros em tempo real, algo complexo para qualquer gestor humano. Mas quais são os possíveis cenários futuros? Imaginar possíveis cenários provavelmente dependerá da compilação de conceitos de Arte, criados pelos próprios traders e investidores. Afinal, são infinitas possibilidades, embora seja possível limitar os cenários dentro de um diagrama de forças e incertezas, alinhado e partindo do diagnóstico correto do momento atual do Mercado de Capitais. Nesse caso, pela Escola da Visão, existem quatro forças principais que movimentam os preços dos ativos e instrumentos financeiros:
Força de Compradores (Demanda) Força de Vendedores (Oferta) Força de Notícias (Fatos reais que impactam os preços dos ativos) Força de Especulação (Movimentos especulativos ou sem fundamentos reais)
A partir dessas quatro forças é possível identificar o cenário atual de qualquer instrumento financeiro e fazer a análise de possíveis cenários futuros. E o passado, qual a utilidade? Assim como boatos sobre o futuro, os dados e eventos passados, e a análise técnica e fundamentalista deles, não são desprezados pelos modelos de visão, uma vez que eles estão carregados de possíveis padrões.
87
Apesar de alguns investidores desprezarem a análise técnica do passado, por acreditarem que não existe causalidade, esse pensamento a nosso ver é errôneo, pois a causalidade da análise do passado está justamente nos padrões determinados pela própria análise. A meu ver, a Escola Técnica ou Grafista é a que mais cria padrões no mercado, tanto de análise de preços como de volumes, uma vez que os os dois agentes irão compor indicadores e osciladores padronizados. Isso porque milhares de traders utilizam seus princípios, criando a causalidade necessária para a análise. Evidentemente é possível focar apenas no presente, como fazem os analistas de Tape Reading, mas pela Escola da Visão nenhum dado ou informação do mercado deveria ser desprezado, pois poderá de alguma forma ou outra ser útil para a tomada de decisões. Na verdade esse é um princípio básico de Inteligência Competitiva adotada pelas empresas. Unindo passado, presente e futuro Para aumentar as chances de sucesso no mercado, acredito que a visão de futuro deve ser formada pela análise de futuros cenários alinhada com análise de informações do passado e do presente. Por exemplo, se estamos em um momento de quebra de um suporte de longa data, evidentemente nossos cenários futuros deveriam levar em conta o impacto de notícias e fatores especulativos em relação a esse momento, que será provavelmente muito diferente de um momento em que o mercado está andando de lado em equilíbrio de oferta e demanda. Para criar modelos preditivos com grande volume de cenários é necessário criar robôs com grande volume de análise de estratégias, 88
como por exemplo o Trajecta Big (Figura 5.1), capaz de simular possibilidades próximas ao infinito de combinações de cenários futuros e múltiplas estratégias. Mas o maior problema hoje é que nem sempre os modelos do passado são precisos. Talvez o mais correto seja até afirmar que raramente os modelos do passado são precisos, principalmente os validados por backtesting nas plataformas de algoritmos.
Figura 5.1 – Exemplo de Otimização com o Trajecta Big Para diminuir esse problema, proponho uma técnica em meu método de operação com robôs, que é a identificação de mercados cíclicos e anticíclicos, através de um parâmetro de inversão da saída dos sinais dos Robôs Investidores. Dessa forma, é possível identificar oportunidades quando determinados Advisors Robôs escolhem modelos de visão e estratégias que se comportam de forma contrária ao cenário real de mercado.
89
Em outras palavras, seria o mesmo que um gestor humano que apresenta recomendações de operações perdedoras, mas que se fossem invertidas em termos de sinal de execução, gerariam resultados vencedores. Dessa forma, inicialmente partimos de um Setup onde o Advisor Robô apresenta na prática resultados com curva de capital desfavorável. Considerando viável a inversão, realizamos a mudança de polaridade de saída do robô, modelando ele em um viés cíclico.
Se confirmada a possibilidade de inversão real do sinal (o que nem sempre é uma garantia, mas um dos objetivos de design dos modelos dos Advisors Robôs do Trajecta Advisor), será possível ter resultados complementares aproximados. Quando dominamos de alguma forma os erros de análise e modelagem do passado, o alinhamento com o presente e futuro se torna mais fácil. E a técnica de inversão que proponho nada mais é que trazer ideias do domínio das Artes para a Ciência de busca de uma boa Estratégia e Setup automatizado. De robô Seguidor de Tendência para robô Seguidor de Visão Outra técnica que proponho em meu método de operação com robôs é a de construção de Robôs Investidores seguidores de visão, como um contraponto ao conhecido modelo de seguidores de tendência. Entre as principais características e necessidades de sistemas operacionais e robôs que utilizam estratégias baseadas em seguidores de tendência, ou trend following , está a necessidade de definir um sinal para a tendência propriamente dita. 90
Na prática isso significa que é necessário optar e definir por uma tendência. O problema dessa abordagem, no meu entender, é que essa decisão é tão complexa e dependente das incertezas de mercado que o risco de errar é similar ao de muitas outras estratégias tão ou mais competitivas. Evidentemente analisando o histórico de preços de qualquer ativo conseguiremos identificar facilmente a existência de tendências, embora muitas vezes não estejam tão claras as razões razõe s delas. O grande problema é descobrir ou propor um sinal para o que irá de fato acontecer no futuro, ou seja, sej a, a análise preditiva. Dessa forma, acredito que uma forma de endereçar o problema de incerteza na definição do sinal de tendência nos sistemas seja a prospecção de cenários futuros, ou seja, criarmos um seguidor de visão. Apesar de o futuro ser incerto, é evidente que a análise dele é cada vez mais possível, principalmente com a rápida evolução da tecnologia de finanças quantitativas e do conceito de Big Data, tanto em capacidade como em velocidade de processamento de algoritmos. Um fator relevante na construção de cenários no mercado de capitais é que é possível modelar todas as possibilidades futuras, inclusive a de o ativo virar pó, que é uma que a maior parte dos traders esquece, mas que é possível também. Quando modelamos os principais agentes de mercado para determinado instrumento financeiro, o que já não teremos 100% de precisão, e imaginamos possíveis cenários futuros para eles, e o impacto desses cenários nos preços, estamos criando nada mais, nada menos, que um modelo de visão digital.
91
Figura 5.1 – O ciclo de automação e formação de padrões pa drões
Note-se que os próprios Robôs Investidores também são cada vez mais agentes relevantes, e a formação de padrões de mercado nem sempre será puramente por comportamentos humanos. Como mostra a Figura 5.1, o próprio processo de constante sistematização do Mercado pode formar novos padrões. E apesar de visão de futuro ou estratégica parecer ser algo apenas do domínio dos gestores humanos, a tecnologia já permite hoje abstrair a complexidade dessa capacidade em sistemas de análise, utilizando as mais variadas abordagens computacionais e algoritmos. Ora, se a tecnologia permite construir modelos de visão futura e estratégica cada vez mais sofisticados, porque ainda criamos seguidores de tendência baseados em análises a nálises do passado? Talvez a resposta para isso seja o fato de que a tecnologia computacional nessa área evoluiu de forma tão rápida que a maior parte dos traders ainda se sinta mais seguro com os modelos mais antigos ou tradicionais. t radicionais. 92
Mas a realidade, que não podemos mudar, é que os grandes sistemas e fundos quantitativos cada vez mais tomam suas decisões utilizando análises preditivas, principalmente nas estratégias baseadas no antigo modelo seguidor de tendência. E se o negócio de trading e investimento for uma competição de soma zero, como acredito que seja, essa deveria ser uma preocupação de todos os traders atuais que desejam se manter competitivos no mercado. A intuição dos robôs Quando Alan Turing, o pai da ciência da computação, a mais de cinquenta anos atrás, lançou uma pergunta para a comunidade científica referente à possibilidade de um dia os computadores poderem ‘pensar’, como nós humanos, escolheu sabiamente o mais complexo desafio para uma máquina. Na verdade, o desafio de ´pensar´ cria uma barreira técnica e filosófica acima dos limites atuais, e talvez futuros, da capacidade computacional das máquinas que o homem ainda irá conceber. Entretanto, os caminhos para a resposta a essa pergunta são cada vez mais percorridos pelos sistemas, principalmente no mercado financeiro. A tal ponto que o teste de Turing poderia ser substituído, em nossa área, por algo do tipo um computador conseguir obter mais retorno, de forma consistente, em decisões de investimento que a maioria dos gestores humanos. E cada vez mais esse teste é feito fe ito na prática. Para quem conhece meu trabalho com finanças quantitativas, a muito tempo acredito e proponho que os sistemas podem ter visão 93
estratégica e de futuro tão ou mais competitiva que a dos gestores humanos. E uma boa parte de meu esforço hoje está na prova de conceito dessa modelagem da visão pelos algoritmos. Mas gostaria de andar um passo adiante nessa minha visão sobre os robôs, digamos assim, e propor algo novo que é a modelagem da intuição, nos mesmo princípios dos gestores ge stores humanos. Sinceramente, e já respondendo Turing, não acredito que máquinas possam ‘pensar’ como humanos, pois nesse caso considero que deveriam ter consciência para isso, como comentei em capítulos anteriores. Ou seja, criamos máquinas, apenas isso, que em muito estarão abaixo dos seus criadores, humanos. Mas em muitas características, os robôs podem imitar a natureza e os homens, e a visão e intuição parecem exemplos de onde podemos caminhar, após os desafios de criar máquinas tão inteligentes como seus criadores, algo que parece cada vez mais nossa realidade. E, no Mercado de Capitais, as máquinas podem cada vez mais competir de igual para igual com os traders discricionários. A lógica por trás da intuição Nunca foi tão fácil criar um robô trader ou investidor para operar no mercado de capitais como atualmente, mesmo na BM&FBovespa. Entretanto, encontrar um bom sistema operacional, que seja resiliente e tenha consistência para enfrentar os cenários mais improváveis, nunca foi e talvez nunca será uma tarefa fácil. fá cil.
94
Quanto mais automatizamos nossas táticas e estratégias, mais encontramos pontos fracos nelas, tanto olhando para trás (backtesting), como para frente em testes reais. Se você está enfrentando essa dificuldade, não está sozinho. Aliás, provavelmente todos algotraders estão se deparando de uma forma ou outra com as mais variadas complexidades de encontrar um modelo consistente para enfrentar as incertezas do futuro. futuro . E isso se deve a algo muito simples de entender: as decisões futuras que afetam as operações de todos traders do mercado são absurdamente infinitas. E encontrar modelos para enfrentar o infinito não é realmente uma atividade trivial. Mas como esse é um problema igual para todos que operam no mercado, a diferença entre eles pode estar justamente no fato de que quem opera com Robôs Investidores, ou seja, com sistemas operacionais automáticos, tipicamente reage de forma mais rápida. Os traders discricionários, diante da infinita incerteza, não podem ser desconsiderados quando pensamos em velocidade de reação. re ação. E isso acontece devido ao nosso potencial de reagir por intuição, que é uma característica que talvez tenha garantido nossa sobrevivência nos mercados, e na vida real, nos momentos mais críticos de nossa vida.
A rápida reação dos robôs é consequência de vários fatores característicos de uma máquina e seus algoritmos, como a velocidade de percepção de mudanças de indicadores, processamento gigante de informações de mercado em tempo real, e, o mais importante, tomada de decisões com grau zero de comprometimento emocional. 95
Quanto maior o número de forças do mercado modeladas pelo robô que possam de alguma forma serem quantificadas e qualificadas, maior a vantagem competitiva de reação dos algoritmos e, portanto, de inteligência em tempo real. Sim, inteligência em tempo real, algo que para nós, humanos, não parece muito natural. Mas essa inteligência artificial nada ou muito pouco tem a ver com a intuição humana. E talvez justamente essa característica e diferencial seja um ponto a ser modelado nos robôs do futuro. Esses novos sistemas serão capazes de entender a intuição humana, descobrindo padrões, a ponto de criar cenários para tirar vantagem dela, mas, principalmente, imitar nosso comportamento, quando ele se mostra eficaz nos mercados. Assim como acredito na visão dos robôs, e vejo ela cada vez mais eficaz nos mercados, a lógica de modelagem de intuição não me parece uma barreira intransponível para a máquina. Mas apenas o tempo poderá dizer se essa será realmente uma característica relevante nas máquinas que irão dominar o mercado no futuro. A Hipótese da Visão nos n os Robôs Investidores Existem muitas hipóteses na área de finanças e mercado de capitais. Uma das mais conhecidas é a Hipótese do Mercado Eficiente (HME), proposta por Eugene Fama, ganhador do Prêmio Nobel de Economia de 2013, que trata sobre a eficiência em relação às informações, que por hipótese impediria algum investidor ou trader atingir retornos
96
consistentes acima da média de mercado utilizando informações públicas para sua tomada de decisão. Mas na minha escola, proponho uma outra hipótese, que é a de que os investidores ou traders com melhor visão sobre as informações que irão acontecer no futuro são os com maiores chances de atingir retornos consistentes acima da média, e que portanto esse retorno é possível, apesar de não existir nenhum determinismo quanto a isso. Em outras palavras, podemos chamar essa de a Hipótese da Visão de Mercado (HVM), que busca identificar quais são os possíveis cenários futuros de mercado em relação aos preços dos instrumentos financeiros, e quais as mudanças que estão acontecendo para atingir esses cenários, de forma a atingir retornos acima da média. E essa hipótese surge de uma premissa simples, que é a possibilidade de os grandes players ‘escreverem’ o futuro dos mercados. Acredito que essa seja uma das maiores verdades do mercado, mas por ser focada no futuro e não no passado, ela é pouco estudada e valorizada, já que não ‘vemos’ o futuro tão facilmente quanto analisar dados passados. Os dados que já aconteceram são concretos, os cenários futuros são puras hipóteses, e o trader prefere certamente se agarrar em dados mais concretos, embora muitas vezes distantes da verdade. Na verdade a palavra ‘visão’ é raramente citada no mercado de capitais. O mais próximo disso que vejo alguns traders comentar é a expressão análise macro ou Big Picture, o que ainda é muito muit o focado no presente. Entretanto na área de estratégia empresarial, a palavra ‘visão’ é constantemente utilizada e valorizada, principalmente nas estratégias de marketing e inteligência competitiva das empresas. Executivos e empresários com ‘visão’ são altamente buscados no mercado, pois eles e les 97
podem ver cenários que os concorrentes ainda sequer sonham que um dia iriam existir. Existe um clichê no mercado que afirma que o principal patrimônio de uma empresa são seus funcionários fun cionários ou colaboradores. Na minha opinião, os principais ativos de uma empresa são seus executivos visionários. Cite-se como exemplo a empresa Apple e Steve Jobs, ou ainda a Microsoft e Bill Gates. A genialidade visionária desses executivos foram o alicerce dos resultados dessas empresas. E no Mercado de Capitais, formado essencialmente pelas ações das empresas, porque haveria de ser diferente? Pela Hipótese da Visão de Mercado (HMV), um investidor de visão irá perceber os movimentos que irão formar um cenário futuro, previamente visualizado por ele, muito antes dos demais, colhendo resultados que poderão ser acima da média de mercado, se sua visão estiver correta ou próxima a isso. Em 2008 apresentei em meu trabalho de conclusão de MBA essa hipótese, e desde lá não encontrei nada mais eficaz no mercado, principalmente nos testes de laboratório com milhares de robôs, hoje disponíveis para todos clientes da Trajecta. Em 2010 quando o serviço de sinais da MetaQuotes, pelo site MQL5.com, entrou no ar, esses sistemas operando apenas por visão de mercado, utilizando métodos quantitativos, passaram a liderar continuamente em termos de performance, competindo com os mais variados conceitos e tecnologias internacionais.
98
E isso me fez acreditar cada vez mais que o caminho da verdade esteja na capacidade de detectar de forma antecipada os cenários futuros de mercado. Algo que já é feito hoje por muitos investidores de sucesso, mas que, através dos robôs investidores, hoje está ao alcance de qualquer trader. E os robôs trazem a vantagem de poder detectar de forma digital o movimento em tempo real, que acredito ser evolucionário, em busca de seus movimentos em direção a determinados cenários futuros. Nesse ponto, a Hipótese da Visão de Mercado bate de frente com outra, que é a Hipótese dos Mercados Fractais, proposta por Benoit Mandelbrot. Com todo respeito a essa visão de Mandelbrot, que considero um dos maiores gênios da atualidade, a característica evolucionária dos mercados não é necessariamente fractal, embora aparente isso em alguns momentos. A evolução é, como na natureza, muitas vezes caótica, e acredito que os mercados seguem percursos que, pela competição das empresas, é muitas vezes puramente aleatória ou dependente de sorte, como defende Nassim Nicholas Taleb em suas conhecidas obras, o que a teoria fractal não consegue contemplar. Ter o alicerce de muitos robôs testando uma hipótese em tempo real sem dúvida ajuda bastante na avaliação e conclusões aqui apresentadas, mas a verdade está sempre mudando no mercado, e devemos perseverar atrás dela, se desejamos de fato resultados consistentes a médio e longo prazo. Mas gostaria de lembrar que essa é apena uma nova hipótese que apresento ao mercado, e, como todas t odas hipóteses, pode não ser correta. 99
Afinal, a única verdade que parece absoluta até o momento, é que os mercados possuem complexidade e incerteza infinita. --==***==--
100
Capítulo 6
A inércia e como ela impacta seus resultados
101
Um dos maiores desafios do Mercado de Capitais é que muitas estratégias sobrevivem como vírus nos seres vivos, ou seja, necessitam de um tempo de incubação. E não esperar por esse tempo, quase sempre s empre é fatal. Chamo isso de inércia da Arte e da Ciência. Os movimentos sem inércia acontecem apenas na teoria. Na prática, e no mundo real, a realidade é a presença pr esença constante da inércia.
Figura 6.1 – Mudança de Setup alinhada à inércia da curva de capital
Nas Figuras 6.1 e 6.2, por exemplo, vemos uma sequência de decisões de mudança de Estratégias e Setups de determinados sistemas operacionais automáticos.
102
Na Figura 6.1 as decisões não são automáticas, dependendo de escolhas discricionárias do algotrader, e na Figura 6.2 são totalmente automatizadas. Em ambos exemplos, deve-se levar em conta a inércia da própria reação aos movimentos dos preços após a mudança de um Setup para outro. Não é uma decisão de mudança simples, tanto para o gestor humano como para o sistema de autoajuste, principalmente se se levarmos levarmos em conta apenas a curva de capital.
Figura 6.2 – Autoajuste de Estratégia alinhada à inércia da curva de capital
O mais apropriado para apoiar o entendimento do que é possível visualizar em termos de retorno é comparar a evolução das mais variadas métricas, como por exemplo o fator de lucro e o fator de benefício do robô, ou ainda o drawdown ou rebaixamento máximo a cada mudança.
103
E a maior parte dos algotraders irá desistir dos robôs antes de descobrir isso. Na verdade, mudar de Estratégia e Setup do seu Robô Investidor irá depender muito mais de Arte do que de Ciência, embora seja possível construir modelos quantitativos para isso. Afinal, a maior parte dos modelos irão falhar, principalmente se não levarem em conta a temível inércia dos Mercados, que está alinhada aos momentos e clímax que descrevi em capítulos anteriores. E provavelmente uma das decisões mais relevantes re levantes para um algotrader é a que determina a escolha e scolha e mudança do setup do seu robô. A seguir, passo um método próprio para isso, que busca formalizar e quantificar esse processo, de forma a diminuir ao máximo os efeitos das emoções nessas decisões. Mas antes de entrarmos nesse contexto, é importante entender bem o impacto da escolha do setup set up de qualquer sistema operacional. Com a evolução de ferramentas e plataformas de algoritmos, é cada vez mais fácil criar modelos com múltiplos parâmetros, onde provavelmente alguns deles terão uma boa possibilidade de acerto, pelo menos para os próximos dias de mercado. Entretanto, essa mesma facilidade cria uma dificuldade relacionada ao absurdo número de combinações possíveis de valores dos parâmetros. Mesmo estratégias simples, como relacionadas ao momento de cruzamento de médias móveis, podem em poucos parâmetros levar a milhões de combinações possíveis de setups. Qual setup escolher?
104
Note-se que, em tese, seria possível alterar o setup a cada novo trade, buscando a otimização desse processo. E esse fato torna a decisão de escolha do primeiro setup muito menos relevante do que realmente pode fazer diferença, ou seja, quando mudar. Apesar disso, muitos algotraders dedicam-se horas e horas na busca do setup ótimo, se é que ele é passível de descoberta em um cenário assim tão complexo. No meu método, o que recomendo para meus alunos e clientes é que se preocupem menos, bem menos, com o setup inicial, deixando para focar na troca de setup, buscando um método o mais quantitativo possível para isso. Afinal, o mercado não está parado, e é muito provável que seu setup carregue principalmente a inteligência dos movimentos passados. pa ssados.
Quando mudar de setup O meu método para troca de setup, que serve apenas de um exemplo para você criar um próprio, é baseado em uma premissa básica na área de estratégia, que é evitar mudar quando se está es tá obtendo resultados. É similar a uma máxima conhecida por qualquer treinador de futebol: em time que está ganhando, não se mexe. Na prática, acredito que quando encontramos um bom setup, devemos mexer apenas nas métricas para avaliação de sua performance, ou seja, se realmente existe consistência de resultados e adaptação aos movimentos evolutivos do mercado. m ercado.
105
Chamo essa adaptação de aderência, ou seja, aderência da Estratégia e Setup ao mundo real. Evidentemente você necessita operar em conta real para testar de fato a aderência. a derência. Fazer isso parece simples, mas no Mercado de Capitais, de forma diferente do futebol, não temos jogos com apenas três resultados possíveis, ou seja, derrota, empate ou vitória. Dessa forma, o que recomendo é adotar um critério que seja similar ao da vitória ou sucesso de qualquer estratégia para quantificar a performance do seu robô. Por exemplo, pode-se considerar um sistema com ganho de 1% ao mês como um indicativo de sucesso. Evidentemente essa não é uma regra geral, com validade para qualquer algotrader, e, portanto, você deverá definir seu próprio critério de vitória. Da mesma forma, é necessário definir um critério para a derrota, como por exemplo perda de 1% ao mês, se desejamos fazer algo simétrico ao que quantificamos como sucesso. Se você define o critério de performance de derrota ou vitória, tudo que estiver nesse intervalo pode ser considerado como empate. A partir daí, fica fácil identificar o momento de troca de seu setup, sendo que pelo meu método adoto as três regras abaixo: 1) Estado de Perda: trocar o setup o quanto antes 2) Estado de Empate: aguardar 3) Estado de Vitória: definir nova meta para o setup Os estados 1) e 2) são simples e óbvios de entender. Mas o estado 3) exige uma reflexão maior. 106
Pelo menos levei um bom tempo até chegar nele, entre erros e acertos na troca de setups de milhares de robôs. E essa reflexão tem a ver com o que denomino de evolução dos mercados, que é um dos conceitos adotados hoje na economia moderna. Sobre a evolução dos mercados Uma vez que, para nós, a maioria dos algotraders e mortais, não é possível formar o mercado, temos que nos contentar em nos adaptar a sua evolução. Estabelecer metas para Setups que não estão alinhadas ao que realmente o mercado está ofertando é o mesmo que tentar correr mais rápido cem metros rasos que o Usain Bolt. É mais lógico, antes de estabelecer uma meta qualquer de performance, procurar conhecer e avaliar a volatilidade do mercado e o grau de risco e incerteza de seus seu s movimentos. Essa não é uma tarefa fácil, mas pode ser determinante na escolha do momento de troca do setup, que por sua vez será ainda mais determinante no retorno de seus investimentos em algoritmos. al goritmos. Seja como for, não esqueça de estudar para seu método uma forma quantitativa de determinar o que é sucesso ou insucesso de seu sistema operacional, buscando uma maior eficácia na troca de seus setups. Os algoritmos genéticos Os algoritmos genéticos são extremamente importantes para o segmento de finanças quantitativas, pois são uma heurística para 107
permitir que as máquinas possam decifrar de alguma forma as incertezas futuras. Eles fazem parte de um segmento de tecnologia denominado Computação Evolucionária, que utiliza varias técnicas para modelar vários dos princípios propostos por Charles Darwin. Assim como as pessoas e os mercados evoluem, existem modelos prontos para processar essa evolução nos computadores, nos mais variados níveis. Eles podem fazer parte da plataforma, como por exemplo no processo de otimização e backtesting, ou ainda diretamente dentro do robô. Também é possível nos posicionarmos bem acima em termos de escala e scala hierárquica, como por exemplo através da construção de um ranking de Estratégias e Setups. Por exemplo, quando conseguimos modelar a visão estratégica de futuro em um robô 100% automático, ou seja, autônomo e inteligente, utilizando algoritmos genéticos, torna-se possível compor uma linha de evolução dos mercados. A linha é justamente o fluxo de evolução, ou sua trajetória, e descobrir esse fluxo é fundamental. Uma vez descoberto o fluxo, seguir ele parece ser uma tarefa bem mais simples, principalmente quando temos um método para isso. Obstáculos psicológicos que prejudicam a performance do seu robô A emoção talvez seja a maior inimiga da inércia. Um dos principais argumentos a favor da operação com robôs traders está no fato de que podemos com eles eliminar o fator emocional dos trades. 108
Mas será que realmente não existem obstáculos psicológicos que possam prejudicar a performance do seu robô? Certamente sim, e não são poucos. Um exemplo de obstáculo psicológico, e que acontece com a maior parte dos algotraders, ou seja, traders que operam com robôs e seus algoritmos, é quando examinam as operações realizadas e encontram decisões que consideram erradas. Isso pode acontecer tanto em robôs caixa-preta como caixa-branca, ou seja, onde nada se sabe sobre suas estratégias ou onde tudo se sabe. É fácil criticar um algoritmo após ler o que já aconteceu, ou seja, ser o profeta do acontecido. Mas no momento em que o robô tem que decidir e o futuro é de total incerteza, assim como o trader humano os sistemas automatizados estão sujeitos a erros er ros de avaliação. O problema dessa falsa expectativa, tipicamente emocional, é que ela irá impactar em mudanças prematuras, como na troca da estratégia, de setup ou até mesmo do código fonte do robô. E com isso se abre um paradoxo, pois justamente a tecnologia que iria nos afastar de fatores emocionais acaba por impulsionar decisões em níveis abstrato puramente psicológicas. Outro exemplo típico é que raramente os algotraders aceitam estratégias ou setups onde, após colocarem em operação, nenhuma operação é aberta. Nada corrói mais o algotrader que um robô parado, pa rado, sem operações. Essa situação aparenta algum erro ou falha do sistema, ou de avaliação.
109
Como em um mercado de tantas oportunidades, e justamente um robô com tanta tecnologia, nenhuma operação é realizada? Mas na verdade, muitas vezes a decisão de ficar fora do mercado é a mais inteligente que um trader ou seu robô r obô pode tomar. Sem perceber ou aceitar isso, o que acontece na prática é a decisão, puramente emocional, de forçar uma operação através da mudança do setup do robô, o que muitas vezes é feita através de nova otimização e backtesting.
Como superar os obstáculos ob stáculos psicológicos Acredito que não exista nenhuma fórmula mágica para superar as questões emocionais na operação com robôs. Mas assim como na psicologia, um caminho para o tratamento é conhecer a si mesmo e reconhecer a seus erros. Para isso, recomendo antes de mudar um Setup ou o comportamento de qualquer robô, fazer a seguinte pergunta a si mesmo: está mudança tem alguma lógica baseada em fatores científicos e quantitativos ou é baseada em ‘achismo’? Espera-se que quanto mais quantitativas forem suas decisões de mudanças nos robôs, ou seja, na prática mais sistêmicas, menores serão os impactos emocionais. Mas essa é a teoria, na prática sabemos que a tentação de não seguir regras sistêmicas é uma característica muito comum na maior parte dos algotraders, principalmente nos iniciantes nessa área.
--==***==--
110
Capítulo 7
O futuro dos Robôs Investidores
111
Enquanto a maioria dos algotraders ainda está envolvida com os algoritmos de seus robôs, automatizando suas principais estratégias, uma nova geração de robôs traders, com inteligência e autonomia de descoberta e decisão, e que irá abstrair todo esse processo, se aproxima. No Brasil, como estamos bastante atrasados em relação a outros mercados no segmento de finanças quantitativas, ainda vivemos a realidade da automação pura de estratégias, que é um dos primeiros passos para iniciar esse processo evolucionário. Afinal, transformar uma estratégia discricionária em uma estratégia sistêmica embutida em um sistema operacional não é uma tarefa fácil, e a maior parte das estratégias sob o formato de um algoritmo são tipicamente uma automação de processos de decisão criados no passado. Muito desse atraso deve-se à pouca disseminação das plataformas de algoritmos, que somente a partir do ano passado começaram a ser distribuídas para operação em nossas corretoras. No mercado internacional, apenas para comparação, essas mesmas plataformas, principalmente no mercado Forex, sem dúvida o mais competitivo na área de algoritmos, já estão disponíveis a muitos anos. Mas as portas, infelizmente, ainda estão fechadas para esse mercado nas corretoras nacionais, estando disponíveis apenas os conceitos e tecnologias. A guerra de tecnologia nessa área é cada vez mais de inteligência, embora essa implique muitas vezes em força bruta, principalmente nos algoritmos de alta frequência, que demandam complexidades maiores para aproveitar oportunidades de ganho em tempos cada vez menores. Você irá descobrir, mais cedo ou mais tarde, que os robôs mais inteligentes são os que vencem no mercado, com lógicas e algoritmos 112
que formam um complexo sistema de análise e tomada de decisões em tempo real. E para ter esse insight é preciso entender de sistemas e não somente de mercado. Quando você descobrir isso - se já não aconteceu - irá se defrontar com diferentes níveis de hierarquia dos sistemas, que no final formam um ecossistema ou sistema de sistemas em uma cadeia sem fim. fim . Seja como for, ninguém cria um robô no nível de um ecossistema, sem começar entendendo e criando algoritmos, e portanto, nesse ponto, nenhum trabalho de algoritmos é desnecessário. O que falta é uma visão menos superficial dos algoritmos e de sua real complexidade, o que é fundamental para de alguma forma encarar a soberania dos mercados. Note que não estamos falando aqui de sistemas imbatíveis. Na verdade, acredito que nenhum sistema tem a capacidade de superar permanentemente o mercado, ou resolver o problema de forma determinística, por um motivo simples: a incerteza infinita das decisões futuras de compra e venda de traders, investidores, gestores e outros robôs. Mas o que os robôs que nos esperam fazem ou que iremos enfrentar poderão fazer, e nesse ponto até melhor que qualquer gestor, é descobrir e testar novos e antigos modelos de forma muito rápida e cada vez mais inteligente. Graças à inteligência de seus sistemas e de seus algoritmos, e cada vez menos de seus construtores. E, para chegar nesse ponto, é necessário criar modelos para a Imaginação, de forma a unir Arte e Ciência.
113
Encare o desafio e a realidade dos algoritmos e mercados Como desenvolvedores e traders, enfrentamos uma desanimadora realidade: mesmo com todo esforço e competência na área de tecnologia e finanças que seja possível atingir, e o limite é crescente, se desejamos sobreviver na renda variável, a máxima certeza que poderemos ter é a probabilidade de nossos modelos gerarem resultados. Ou seja, podemos e devemos buscar conhecimento, métodos, tecnologias, sistemas, etc., que aumentem nossa probabilidade de sucesso. E, para isso, os algoritmos são apenas os primeiros passos da longa jornada que o trading quantitativo nos reserva. Essa verdade explica porque muitas vezes os professores, desenvolvedores e grandes especialistas da área financeira não atingem resultados grandiosos com suas ideias e métodos, enquanto alguns de seus alunos, clientes e discípulos, apenas por terem mais sorte, aplicam os mesmos métodos, produtos e ensinamentos com resultados superiores. A sorte, na verdade, é apenas o aumento da amostra de testes, que pela estatística, mais cedo ou mais tarde, irá encontrar os vencedores, se as ideias e métodos forem realmente rea lmente de qualidade. Afinal, se tem gente que ganha na loteria, quem dirá quem investe e persevera em bons conceitos e tecnologias na área financeira. Isso não significa que alguns traders não encontrem e comprem bilhetes premiados, mas esses, quando legais, são a exceção à regra e com duração cada vez mais curta, levando muitos para a alta frequência de operação.
114
A boa notícia, para os otimistas, é que nesse cenário e realidade de complexidade infinita, a estatística caminha ao lado dos algoritmos e é uma poderosa ferramenta contra a complexidade e incerteza. Além disso, quanto maior seu histórico de insucesso e investimento em tecnologia e conhecimento de mercado, a lógica otimista é que a probabilidade de acerto seja ainda a inda maior. A má notícia, para os pessimistas, é que talvez, por melhores que sejam seus artefatos de tecnologia e expertise e xpertise de mercado, você nunca tenha sucesso. E essas notícias valem para qualquer um de nós e para transformarmos algoritmos eficientes em sistemas eficazes, com o mínimo de fator sorte, é necessário enfrentar uma longa jornada de estudos na área de ecossistemas financeiros. Robôs Autônomos Automatizar uma estratégia pode parecer simples, ainda mais com os avançados recursos das plataformas de algoritmos atuais. Entretanto, um dos desafios mais complexos para a operação automática com robôs no Mercado de Capitais está no seu ajuste ou Setup. E esse desafio se torna ainda maior quando desejamos que o ajuste seja feito pelo próprio robô, ou seja, através de um autoajuste ou auto setup, se você preferir. Mas se conseguimos vencer ele, pelo menos em determinados cenários de mercado, estamos na prática criando robôs autônomos, ou seja, muito mais que simples automação de estratégias, praticamente sem nenhum parâmetro de entrada. No passado, muitos traders utilizavam estratégias automáticas tão engessadas que eram elas próprias chamadas de Setup. 115
Na verdade, mesmo para a realidade de um mercado bem menos competitivo que o atual, essa era uma perigosa utopia, que porém se tornava uma forma fácil e lucrativa de atrair seguidores, disseminando em cursos e livros suas bases estáticas. Mas a realidade atual mostra que, se mesmo estratégias estáticas irão sofrer para sobreviver, quanto mais m ais setups estáticos. Entretanto, se temos uma boa estratégia, parece uma boa ideia buscar encontrar algoritmos de aprendizado de máquina e inteligência artificial para descobrir de forma autônoma novos Setups, se adaptando de forma resiliente às evoluções dos mercados. E essa é a característica principal que considero terem os Robôs Autônomos, que é uma das áreas de pesquisa que me dedico em desvendar sua arte e ciência, através da construção de laboratórios de robôs sem parâmetros de entrada. Física quântica, algoritmos e a competência artificial Entendo que o termo mais correto para descrever o estágio de evolução dos algoritmos e seu impacto na competitividade das empresas e mercados atualmente seja o de Competência Artificial, ou simplesmente CA. Estamos cercados de algoritmos com competência para executar tarefas nas mais variadas áreas, científicas ou não, inclusive no Mercado de Capitais. Mas, apesar de existirem na Computação Cognitiva diversos modelos que buscam a competência na solução de problemas, eu ainda prefiro utilizar o critério de eficácia da solução como real métrica quantitativa na avaliação do estado da arte da Inteligência Artificial.
116
Mas por ignorância ou falta de humildade, atribuímos no passado como Inteligência Artificial, ou simplesmente IA, um sonho de ter verdadeiramente algoritmos inteligentes. Sem dúvida evoluímos bastante na área de IA, mas mas a meu ver o cérebro e a inteligência humana estão em um nível tão infinitamente superior que, assim como nos dilemas que encontramos na área de física quântica, faltam os elos científicos para criarmos máquinas realmente inteligentes. E os novos conceitos de Computação Cognitiva estão mais alinhados com essa realidade. Sendo assim, muitas vezes me pergunto até que ponto esses elos não nos conectam às decisões de carteiras, ou seja, Buy e Sell, que poderiam ser modeladas em robôs com verdadeira Inteligência Artificial? A verdade é que as linhas de pesquisas ainda estão fortemente alinhadas aos princípios do que se vê na natureza (CA), e pouco do que não se vê (IA, de fato). Nosso cérebro, por outro lado, não menospreza o potencial quântico e produz emoções e intuições que nenhum algoritmo consegue emular minimamente. E as pesquisas de IA pouco entendem desse assunto, afinal, é realmente muito difícil crer no que não se vê, muito mais ainda trabalhar em estudos assim. Mas a boa notícia, antes que alguns traders comecem a comemorar nossa distância da IA, é que para vencer no mercado basta CA, ou seja, competência. Cada vez mais está provado que basta desenvolver algoritmos competentes para operar no mercado para conseguirmos atingir 117
resultados iguais ou superiores aos dos gestores humanos, desde que a escolha desses sistemas e a opção do momento de ativação ainda esteja nas mãos dos algotraders. Inclusive a competência para modelar cenários e construir algoritmos com visão estratégica e de mercado, que é uma das linhas de pesquisa que proponho a muitos anos e acredito ser fundamental para gerarmos curvas de capitais no padrão alfa. Talvez, um dia, as máquinas, dominando os mistérios que unem matéria e a inexistência dela, terão de fato IA, e irão competir apenas entre si, com autonomia e grande gra nde velocidade de decisão. Mas temos que ter a humildade de reconhecer que, por mais inteligente que uma máquina possa se tornar, ela será apenas o resultado de uma inteligência superior a sua, também em evolução. e volução. Buscando a causa e o efeito nos mercados Grande parte das pesquisas que trabalho em laboratório são focadas em algoritmos que modelam cenários futuros, buscando seguir os conceitos da Escola da Visão. Na verdade chamo isso de busca da visão quantitativa, e como descrevi em vários pontos nesse livro, ela é cada vez mais necessária para traders e investidores sobreviverem no mercado. Apesar de ver e reconhecer muito valor em tudo que já foi construído em termos de outras escolas, e que são a base para muitos dos modelos quantitativos dos robôs, principalmente no que se refere à identificação de padrões, acredito que seja necessário criar novos paradigmas para descobrir padrões e modelos. E descobrir de forma automática.
118
Ou seja, construir modelos dinâmicos e automáticos de visão de futuro que facilitem a mudança rápida e contínua das Estratégias e Setups e a busca cada vez mais criativa da evolução dos próprios modelos originais. Sem dúvida considero a identificação das tendências de preços e volumes como uma relevante contribuição da Análise Técnica, porque ela facilita e muito a identificação de padrões. Mas hoje existem cada vez mais dados para análise, representando os efeitos das decisões dos traders e investidores em sua totalidade, que não estão representados na análise técnica. Da mesma forma, a Escola Fundamentalista tenta de alguma forma usar a análise dos dados O único problema dessa abordagem e praticamente as demais de todas outras escolas é que elas são baseadas em dados do passado e de puro efeito, ou seja, que já aconteceram representando o efeito das decisões tomadas. Esse é o mesmo problema que enfrentam os sistemas de alta frequência ou os scalpers, seja através de arbitragem estatística, análise de fluxo de ordens, ação dos preços, etc, todos eles partem de análise estatística de dados passados e puramente do efeito das decisões. Podemos ler os dados mais atuais que a tecnologia permite, e na velocidade da luz, mas mesmo assim estaremos lendo e processando o passado e os efeitos e feitos racionais e emocionais dos traders e investidores. E quanto maior a frequência mais difícil e maior o custo de encontrar padrões, obrigando o trader buscar sistematizar seus métodos, pois senão será obrigado a passar o dia buscando padrões manualmente. Mas é possível analisar as causas e os cenários futuros? 119
Na minha opinião, os traders e investidores de sucesso possuem como principal competência a visão estratégica e de futuro. Eles são brilhantes nisso. Talvez alguns nem tanto, porque obtiveram informações do futuro de formas escusas, mas acredito que a grande maioria venceu mesmo por sua visão. E a verdade é que os padrões existem, e eles podem ser encontrados nas mais variadas frequências, abordagens e tipos de análises, e não por coincidência encontramos traders de sucesso com as mais variadas metodologias. Os padrões estatísticos e modelos encontrados pela Análise Técnica de preços e volumes provam a causalidade dos dados tanto quanto na análise de alta frequência a sequência de ordens encaminhadas ao mercado e negócios realizados. O problema é que essa é uma prova do passado, já que os dados são sempre históricos, mesmo que em tempo real. E como podemos encontrar padrões que não sejam apenas do passado? A minha resposta para isso chama-se análise de cenários futuros, ou seja, a geração e análise de hipóteses para o futuro que também podemos definir como a formalização de nossa visão estratégica ou de futuro. E o mais importante é que podemos modelar essa visão em robôs e usando padrões descobertos por análise técnica de preços e volumes ou até mesmo de análise do fluxo de ordens. Não fosse a barreira do futuro ser diferente do passado, e os padrões mudarem frequentemente, todos ganhariam na bolsa.
120
Mas os padrões mudam cada vez mais rápido e a visão é a forma de encontrar e validar eles que a meu ver irá dominar o mercado no futuro, principalmente a presente nos robôs. Um robô pode detectar e trocar de padrão de forma cada vez mais rápida e usando critérios de escolha cada vez mais m ais inteligentes. A inteligência de máquina evolui cada vez mais contribuindo para a visão de robôs treinadores e autônomos, totalmente sem paradigmas de frequência, dados, informações ou preocupação com existência ou não de causalidades. O topo do ranking de traders e sistemas do futuro será dos melhores modelos de visão de futuro, embora a maior parte dos traders ainda esteja presa aos dados do passado, sejam eles o que for, ou seja, notícias, preços, volumes, ordens, negócios, etc. et c. E o grande paradoxo é que talvez estejamos ensinando os robôs a terem visão para daqui um tempo eles nos provarem que somente eles conseguem encontrar padrões e mudar de forma a sobreviver no mercado. Seja como for, temos apenas uma máquina Talvez o máximo que se possa esperar dos Robôs Investidores é que eles serão uma eterna ferramenta de apoio à tomada de decisões de seus criadores. Mesmo assim, se isso for verdadeiro, o que você ainda está esperando para começar a viver essa nova realidade de operação com robôs? Afinal, as pesquisas de Inteligência Artificial buscam encontrar meios de resolver problemas de forma tão competente como os seres humanos, mas utilizando exclusivamente máquinas e seus ‘cérebros digitais’. 121
Porém, o grande desafio da utilização e desenvolvimento de Inteligência de Máquina através de robôs traders e investidores está no fato de que esse é um problema de complexidade e incerteza infinita. A própria inteligência dos melhores gestores humanos não encontrou até hoje uma forma determinística de resolver esses problemas, e provavelmente nunca encontrará, já que o mercado se mostra cada vez mais complexo e desafiador. Diante desse cenário, o que podemos esperar para os robôs r obôs traders? A primeira coisa, na minha opinião, é não esperar milagres, já que os robôs que operam utilizando algoritmos inteligentes com capacidade de ‘aprender’ ou adquirir conhecimento de forma autônoma, dependem ainda, e muito, da capacidade de seus criadores de encontrar meios para superar o mercado. Dessa forma, a primeira classe de robôs com Inteligência Artificial que podemos considerar de alto risco são os que dependem de modelos ajustados ou ‘treinados’ através de bases de dados do passado, seja através de otimização por backtesting, ou até mesmo outras técnicas mais avançadas de eliminação de sobre-ajustes, como o teste para frente ou forward testing. Não é impossível que determinada estratégia se mostre rentável, a curto e médio prazo, baseada apenas em otimização por backtesting, seja com algoritmos simples, seja com algoritmos complexos de Inteligência de Máquina. Mas a realidade é que dificilmente um único sistema conseguirá ter uma performance alfa durante um tempo te mpo razoável.
122
O mais esperado, pelo menos em tese, é que apenas sistemas de sistemas possam atingir esse nível.
Robôs que imitam o processamento processamento em nosso cérebro A tecnologia atual permite criar cada vez mais estruturas e sistemas similares ao do cérebro humano, que na verdade é um grande sistema de sistemas. Até alguns anos atrás, se imaginava que nosso cérebro atuava com diversos sistemas isolados para a execução de suas tarefas, mas hoje as pesquisas mais avançadas de neurociência revelam uma complexa rede de trocas de sistemas, inclusive quebrando paradigmas de até que ponto conseguimos ser puramente racionais, já que até mesmo os aspectos emocionais, e toda sua química, estão de uma u ma forma ou outra interligados aos processos decisórios e de sinapses que ocorrem em nossas redes de neurônios. E como ‘emular’ toda essa complexidade em máquinas que entendem apenas lógica binária como seu substrato? Acredito que a solução esteja no processo de criação e análise de múltiplas estratégias. Ou seja, em criar robôs com Inteligência de Máquina capazes de criar novas estratégias, testá-las e compará-las de forma totalmente autônoma, buscando uma resiliência de alinhamento de algoritmos com os movimento e mudanças de mercado. Pesquisando por essa linha a vários anos, percebi também que o processo de visão estratégica e de futuro do ser humano segue caminhos parecidos, aperfeiçoados pelos princípios evolucionários de Charles Darwin de forma a garantir nossa sobrevivência.
123
As portas do mercado para os sonhos de Turing Somos uma máquina fantástica de criação de modelos visionários para enfrentar as incertezas do futuro, e os processos para isso podem ser cada vez mais replicados em máquinas digitais, como os computadores, ou, quem sabe, futuramente, encontre-se maior facilidade ainda se modelarmos visão em máquinas quânticas. O grande problema é que o processo de tentativa e erro para comparação de estratégias pode ser custoso, principalmente quando executado em conta real. Para tornar ele viável, acredito que a melhor solução seja a criação de máquinas que executam trades de forma virtual, baseados em dados reais, mas em tempo real, como se fossem uma grande rede de ‘pensamento’, como um dia nos apresentou como um desafio o genial Alan Turing. Penso que o Mercado Financeiro talvez seja o primeiro terreno onde encontraremos as máquinas que ‘pensam’ como sonhou Turing. Isso por sua relevância na vida de pessoas e empresas e absoluta independência de processos físicos externos, como os que se baseiam em inteligência de movimento ou que são impactados pela natureza, naturais em outros tipos de robôs. Ou seja, para replicar um Teste de Turing no mercado de capitais e mundo atual, necessitamos apenas comparar a performance de robôs e seres humanos. Aquele que dispor da tecnologia que possa ‘pensar’ de forma mais eficaz, construindo as melhores estratégias, sairá na frente. Provavelmente em um ambiente assim, com gestores humanos e robôs em competição, as estratégias serão cada vez mais uma grande rede de sistemas de sistemas.
124
Alguns sistemas serão especializados em determinadas propriedades e atores dos cenários de mercado, como a volatilidade, enquanto outros em determinadas características técnicas e operacionais, como latência. Mas, lado a lado, através da Inteligência Int eligência de Máquina, teremos gestores humanos e robôs competindo de forma cada vez mais similar. E, tudo parece caminhar para isso, as Máquinas talvez sejam o grande elemento decisor de operações no futuro.
--==***==--
125
Referências [1] Figurelli, R. - O Banco Robô - A convergência de todos serviços financeiros para o banco do futuro [2] Figurelli, R. - Robôs Traders: Unindo sorte e visão [3] Figurelli, R. - Setups Dinâmicos com Médias Móveis [Trajecta Open Livro 1] - Ideias abertas para operar com robôs [4] Figurelli, R. - Setups Dinâmicos com Osciladores [Trajecta Open Livro 2] - Ideias abertas para operar com robôs [5] Figurelli, R. - Robôs Advisors - Robôs controlando seus investimentos sem assessores ou corretoras corretor as [6] Figurelli, R. - Robôs Scalpers: Unindo sorte, visão e emoção [7] Figurelli, R. - Tecnologia da Inteligência: a nova TI para a Era do Robôs [8] Laney, D. - Deja VVVu: Others Claiming Gartner’s Construct for Big Data http://blogs.gartner.com/doug-laney/deja-vvvue-others-claiminggartners-volume-velocity-variety-construct-for-big-data/ [9] Taurion, C. - O caos conceitual e os 5 Vs do Big Data Da ta http://cio.com.br/opiniao/2012/05/11/o-caos http://cio.com.br/opiniao/20 12/05/11/o-caos-conceitual-e-os-5-vs -conceitual-e-os-5-vs-do-dobig-data/
126
127
