Um novo estudo acadêmico liderado por um professor da Harvard Business School indica que grande parte do trabalho dos gestores de fundos segue rotinas que máquinas conseguem aprender, com implicações diretas para o valor da gestora ativa.
Usando uma rede neural treinada em janelas móveis de cinco anos, entre 1990 e 2023, os autores conseguiram prever a direção das operações de compra, venda ou manutenção de ações em fundos mútuos com alta precisão.
O trabalho, intitulado Mimicking Finance, foi divulgado como working paper pelo National Bureau of Economic Research, e suas conclusões também foram noticiadas pela Bloomberg, conforme informação divulgada pelo National Bureau of Economic Research e Bloomberg.
Como a IA conseguiu prever as operações
O modelo de aprendizado de máquina foi alimentado com variáveis como tamanho do fundo, fluxos de investidores, características das ações e condições econômicas mais amplas, e treinado em janelas móveis de cinco anos entre 1990 e 2023.
A rede neural foi capaz de antecipar cerca de 71% das decisões de negociação sobre se um gestor iria comprar, vender ou manter uma ação ao longo de um trimestre, segundo os autores do estudo.
Os pesquisadores destacam que o modelo prevê a direção das operações, não o seu tamanho, e que esse é um limite que planejam abordar em trabalhos futuros.
O que fica fora do padrão e por que importa
A parcela de operações que o sistema não conseguiu antecipar, cerca de 29%, tende a estar associada a retornos acima do mercado, o que sugere que o verdadeiro alfa está concentrado nessa fração menor da atividade.
Em outras palavras, a atividade que foge dos padrões rotineiros e detectáveis parece concentrar a maior parte do valor gerado pelos gestores, enquanto a parte previsível pode ser reproduzida por algoritmos a menor custo.
Como disse Lauren Cohen, professor de finanças em Harvard e coautor do estudo, “Se 71% das suas decisões podem ser antecipadas por um algoritmo, fica muito difícil justificar as taxas de gestão ativa para essa parte”.
Variações entre fundos e limitações do estudo
O artigo observa que a previsibilidade varia conforme características dos fundos. Fundos maiores, com taxas mais altas, equipes maiores e mais competição tendem a ser, em média, menos previsíveis.
Por outro lado, gestores com mandatos mais longos ou que administram múltiplos produtos tendem a mostrar decisões mais previsíveis, segundo os autores Yiwen Lu, da Universidade da Pensilvânia, e Quoc H. Nguyen, da Universidade DePaul, que coassinam o trabalho.
Os autores também explicam que modelos de aprendizado de máquina conseguem capturar reações complexas a fluxos, sinais de mercado e comportamento entre pares, mais do que modelos lineares tradicionais de fatores.
Implicações para a indústria de gestão ativa
As conclusões reforçam uma distinção importante, a previsão do comportamento dos gestores parece mais simples do que prever os movimentos do mercado, porque hábitos profissionais seguem padrões reconhecíveis.
Segundo os autores, grande parte da atividade cotidiana dos fundos parece seguir um “manual comum”, que pode ser mapeado e, em princípio, reproduzido a custo menor, enquanto a criatividade humana estaria concentrada na parcela imprevisível, menor, que produz alfa.
Como conclui Cohen, “A parte genuinamente habilidosa, o componente imprevisível e não rotineiro, é real, mas pequeno”, e as implicações práticas passam por reprecificar o que a atividade previsível versus imprevisível realmente vale.
O estudo aponta para uma possível reavaliação das taxas cobradas por gestoras ativas, e abre caminho para debates sobre quando a automação é suficiente e quando a discricionariedade humana ainda é necessária.