Previsão da Bolsa de Valores: Como Podemos Prever o Mercado Financeiro Usando Algoritmos?

Falácias comuns sobre o mercado financeiro dizem que eles são imprevisíveis. Entertanto, a teoria do caos junto com poderosos algoritmos provam que essa afirmação está errada. A bolsa é um sistema caótico com dinâmica complexas, mas ainda, a uma certa extensão, podemos fazer previsões válidas. Usando previsões geradas por esses algoritmos de ponta  juntamente com uma estratégia de risco cuidadosa pode dar ao investidor uma vantagem competitiva significante.

Os Mercados de Ações são Sistemas Complexos

Ao olhar os mitos sobre a bolsa de valores, vemos dois grupos majoritários. O primeiro grupo é conectado a teoria econômica clássica, que afirma que o mercado é 100% eficiente, e portanto, imprevisível. Tentar prever o mercado é inútil, já que nenhuma ação pode possivelmente ser melhor que a outra. As duas deveriam ser eficientes e todo mundo no mercado deveria ter a informação ideal disponível. Nosso dia a dia deixa obvio que isso não reflete a realidade. Tem pessoas que realmente lucram investindo na bolsa, o que não seria possível nesse mercado ideal de teoria econômica.

Por outro lado, também não é verdade que o mercado financeiro é completamente caótico, como afirma o outro grande grupo de mitos. Caso contrário, como grande casas de investimento como Goldman Sachs poderiam lucrar continuamente, enquanto no mercado caótico os lucros e as perdas sempre teriam soma zero em um longo período? Onde está a verdade então? A teoria de complexidade nos da uma resposta – mercados são sistemas complexos e caóticos e seu comportamento tem tanto o componente sistemático como o aleatório. Portanto podemos fazer previsões da bolsa de valores, mas só é precisa até um certo período de tempo.

Sistemas complexos caóticos estão vulneráveis a pequenas mudanças (efeito borboleta é aplicável) causando uma grande perturbação no sistema, levando-o longe do equilíbrio. Portanto agente geralmente é capaz de prever comportamentos d alguns sistemas (como o estado da atmosfera e o clima) com um risco de erro pequeno em um curto período de tempo, até os pequenos erros acumularem e o sistema de loops de feedback mover o sistema em uma direção distinta que as previsões. Mesmo dessa maneira limitada, criar previsões realistas sobre a bolsa certamente é possível e nos da um prospecto de para entender como o mercado funciona e porque grandes bolhas e grandes crises acontecem.

Complexidade – Combinando Padrões e Caos

Como mencionado anteriormente, a complexidade de um sistema é o resultado da complexa estrutura do sistema (i.e. envolve de muitos atores com diferentes objetivos e estratégias) e/ou a complexidade da dinâmica (i.e. com muitas interdependências e loops de feedback entre os elementos do sistema). Uma complexidade como essa inevitavelmente leva ao caos, quando tempos com caminhos bem definidos e previsíveis são interrompidos com regimes de instabilidade onde uma perturbação pequena pode trocar o futuro do caminho para direções opostas. é importante notar que essa troca não é puramente ao acaso, já que os sistemas caótico tem memórias e padrões que tendem a se repetir.

No que diz respeito ao mercado de ações, caos é o resultado da psicologia do trading, que nunca é puramente racional Pessoas reagem com diferentes intensidades de emoções a ganhos e perdas, ficam tendenciosos a última notícia, e subsequentemente não conseguem quantificar os riscos de maneira precisa. Entretanto, existem princípios subjacentes,  básicas premissas econômicas, nos dizendo que as pessoas que tentam chegar aos melhores retornos com o menor risco possível. Olhando as tendências de preço de uma ação, podemos dizer que os preços pulam de um nível para o outro, criando padrões que podem ser vistos na figura 1. Porém, isso não pode ser visto em qualquer horizonte temporal. Quando olhamos de perto, no diagrama de 1 dia ou de até 1 mês, nenhum padrão é aparente. Granularidade importa e importa e é impossível prever movimentos de preços a curto prazo. Com um horizonte temporal maior, podemos ter muito mais sucesso, quando entendemos as dinâmicas subjacentes.

Figura 1: Preço da ação mostrando padrões em um horizonte de 5 anos

Feedback e Aleatoriedade – Formando e Destruindo as Bolhas

O que são as dinâmicas de um sistema? Geralmente podemos decompor em um número de vários feedbacks e loops casuais, influenciante muitos aspectos do mercado de ações. Existem dois tipos básicos de loops de feedback. Um loop de feedback positivo é auto-reforçante – um efeito positivo, se uma variável aumenta a outra variável, a segunda faz o mesmo com a primeira também. Isso leva a um crescimento exponencial no sistema, movendo-o do equilíbrio e eventualmente levando ao colapso do sistema. Por outro lado um loop de feedback negativo tem efeito estabilizador, o sistema responde a uma perturbação em direções opostas. Os exemplos de loop de feedback positivo e negativo estão na foto 2.

Figura 2: Exemplo de loop de feedback positivo e negativo

A interação no sistema com loops de feedback positivo e negativo resultam em um chamado dinâmica de equilíbrio, que no contexto do mercado de ações significa que o preço da ação oscila em torno de um certo level de preço. Por isso dizemos que o mercado se comporta como um motorista bêbado, o preço está constantemente passando o real valor da ação nas duas direções. Para um  exemplo de influência de um feedback positivo e negativo em uma ação veja a figura 3. Entretanto, sob a influência de vário atrasos acontecem momento de aleatoriedade no sistema. Nesses períodos a volatilidade aumenta significantemente e o sistema é basicamente imprevisível. Como podemos ver da dinâmica natural do mercado de ações, as bolhas do mercado são parte essencial dele, então cabe a nós tirar vantagem disso.

Figura 3: Influência do feedback positivo e negativo em uma ação

Elemento de Aleatoriedade

Períodos de grande incerteza podem ser causados não só pela dinâmica de sistemas, mas também por alguns eventos específicos, como desastres naturais, terremotos ou enchentes. Até computadores podem causar períodos de grande caos, como pudemos ver durante a crise de 6 de maio de 2010 causando portadores de ações perderem mais de $1 trilhão. Essas caídas repentinas podem afetar uma ação, como ocorreu na mini crise da Apple em 10 de fevereiro de 2011 (veja o preço da ação da apple na figura 4). Essa crie foi causada por programas de trading de alta frequência (HTF), permitindo transições de cotações extremamente rápidas. Ser mais rápido que a competição é o mias importante nesse modelo, que leva, entre outros, a estratégias agressivas,  como fazer grandes quantidades de cotação caceladas só para desacelerar os competidores. Se o HTF acontecer de forma errada uma grande volatilidade nos preços das ações pode ser causada, espalhando-se por vários segmentos.

 Figura 4: Preço da ação da Apple flutuando durante a crise de 10 de fevereiro de 2011

A Chave para o Mercado

A simples regra “Compre barato, venda caro” não traz contexto suficiente para nos permitir tomar boas decisões. O mercado se altera entre três diferentes regimes – feedback positivo, negativo e aleatoriedade. Esses regimes podem se apresentar simultaneamente em diferentes escalas. Quando analisamos o mercado antes de decidir comprar ou vender, necessitamos estimar o regime em que o mercado está agora e em que momento da escala. Esse conhecimento nos dá uma chave para a verdade do mercado.

Algoritmo da I Know First – Buscando a Chave

A previsão algorítmica do I Know First é uma tentativa bem sucedida de descobrir as regras do mercado que nos permite fazer previsões precisas do mercado de ações. Tirando vantagem da inteligência artificial e do aprendizado de máquina, e usando insights da teoria do caos e da auto-similaridade (os fractais), o sistema algorítmico é capaz de prever comportamentos em mais de 200 mercados. A principal chave do algoritmo está no fato que o preço de uma ação é uma função de vários fatores interagindo não linearmente.  Portanto, é vantajoso usar um elemento artificial de redes neurais e algoritmos genéticos. Como funciona? Em princípio uma análise de inputs é realizada, ranqueando-as de acordo com sua importância em prever o preço da ação alvo. Então múltiplos modelos são criados e testados utilizando 15 anos de dados. Somente os modelos com melhor performance são guardados enquanto o resto é descartado. Modelos são redefinidos todos os dias, enquanto novos dados são recebidos. Para a visualização do princípio algorítmico básico, veja a figura 5. Enquanto o algoritmo é puramente empírico e auto-didata, não tem nenhuma tendência humana nos modelos e o sistema de previsão dos mercados adapta a nova realidade todos os dias  enquanto ainda segue regras históricas gerais.

 Picture 5: Princípio básico da previsão algorítmica da “I Know First”

O algoritmo tem sucesso até em prever bolhas do mercado, como você pode ver na figura 6. O algoritmo previu com sucesso o estouro do preço da ação da Apple alguns dias com antecedência. Está marcado pela seta vermelha no gráfico

Figura 6: Previsão algorítmica bem sucedida da “I Know First” sob o preço das ações em agosto de 2012

Interpretando os Resultados

O resultado do algoritmo da “I Know First” é uma previsão diária da bolsa de valores por, 1, 3, 7, 14, 30, 90 e 365 dias, mostrando a tendência (o sinal) junto com a confiabilidade (o indicador de previsibilidade), que ajuda o investidor a decidir em que direção investir, que ponto entrar e que ponto sair. Os indicadores são influenciados por duas variáveis. Uma é relacionada ao movimento específico d ação, enquanto o outro segue o comportamento do mercado em geral. Com tudo junto, a previsão faz uma tabela como na figura 7, mostrando uma mapa de “calor” com células verdes indicando sinal positivo, e vermelhas o negativo. Usando esse padrão as previsões são customizadas para necessidades específicas de uma indústria ou levando em conta leveis específicos de risco.

É importante notar que, a previsibilidade aumenta e diminui em ondas, enquanto o mercado de ações tem um comportamento mais ou menos sistemático. Ao monitorar a previsibilidade, somos avisados com antecedência caso uma mudança comportamental de padrões aconteça. Também existem algumas ações que não são previsíveis, principalmente startups com pouco ou nenhum histórico financeiro, o que não dá dados suficientes para previsões confiáveis.

 Figura 7: Exemplo de previsão da bolsa de valores gerado pelo algoritmo da “I Know First”

Risco de Gerenciamento

Da evidência empírica da análise de performance algorítmica, podemos dizer que trading sistemático confiando no algoritmo descrito acima pode geralmente lucrar de forma consistente se também tiver uma estratégia implementado com gerenciamento de risco adequado. Porém, ainda tem o fator “sorte”. Temos que estar cientes do fato de que o mercado tem uma grande número de variáveis escondidas que não sabemos a respeito.

O preço de uma ação geralmente não pode ser descrito utilizando uma distribuição estatística normal,  mas ao invés deve se usar uma distribuição de cauda, tendo uma porcentagem significante de eventos distribuídos nas pontas extremas da escala. Esse fenômeno é comumente conhecido como Lei da Potência. Eventos colocados longe do valor real causam a maioria das bolhas do mercado e elevam o nível de incerteza significantemente, fazendo difícil para os investidores agirem racionalmente. Esse fato, outra vez, enfatiza a importância de utilizar um estratégia de gerenciamento com risco adequado. Para uma estratégia ter sucesso algumas regras devem ser seguidas:

• Assista os sinais diariamente, mas só aja nos mais fortes.
• Para minimizar os riscos fique fora do mercado até ver uma ótima oportunidade: um sinal forte, preço extremo.
• Quando a previsibilidade está alta, invista nos sinais forte.
• Quando a previsibilidade cair, espere uma tempestade.
• Quando o sinal desaparecer ou ficar mais fraco, reduza sua exposição.
• Para um portfólio estável invista em títulos financeiros não relacionados.

Vencendo Apesar da Incerteza

O mercado fianceiro é composto de sistemas complexos, com eventos aleatórios  imprevisíveis ocorrendo. Comumente, a frequência e o impacto de eventos imprevisìveis são subestimados, o que resulta em perdas extremas, como demonstrado na crise de 2010 acima.  Apesar de toda aleatoriedade, o algoritmo auto-didata cria um profundo entendimento da bolsa de valores acompanhado de um gerenciamento de estratégia de risco que vantajosa para investidores.

Esse artigo é baseado na aula dada pelo Dr. Lipa Roitman, o fundador da I Know First, na Universidade de Tel Aviv.

I Know First Research é um ramo da I Know First, uma startup financeira  especializada em prever quantitativamente a bolsa de valores. Esse artigo foi escrito pela Alice Peková, uma das nossas estagiárias. Não recebemos compensação por este artigo, e não temos nenhuma relação com as empresas que as ações foram mencionadas nesse artigo.