Voltar
23 maio 2022 00h00

Como o machine learning está a mudar a gestão de ativos

Como o machine learning está a mudar a gestão de ativos

 

 

O machine learning é uma ferramenta importante na gestão de ativos, potenciada pela experiência humana. Descubra como obter o melhor dos dois mundos na construção de um portfolio.

 

Embora a Inteligência Artificial (IA) exista desde 1950, só recentemente o crescimento do poder de processamento, o armazenamento na cloud e a proliferação de dados trouxeram esta tecnologia para o centro da discussão. A gestão de ativos não é exceção. Em particular, o Machine Learning apresenta-se como uma das inovações com maior potencial para redesenhar a atuação de gestores financeiros por todo o mundo.

 

Para contextualizar a escala da quantidade de dados estão atualmente disponíveis para os investidores, basta analisar um conjunto de dados específico que é uma componente chave do processo investimento moderno: informações financeiras públicas das empresas. Todas as empresas de capital aberto devem reportar informações financeiras, incluindo relatórios de contas, os processos legais ou registos de propriedade. Apenas para o índice Russell 3000, que é composto por aproximadamente 3.000 das maiores empresas dos EUA por capitalização de mercado, são mais de 12.000 documentos num determinado ano fiscal.

 

Processar toda esta informação para daí extrair insights, padrões e outliers exige o recurso intensivo a tecnologia. Mas para realmente tomar decisões a partir destes datasets, é necessário o acompanhamento e supervisão de uma equipa especializada, que consiga orientar os investidores. Qual é, então, a importância da tecnologia em geral e do Machine Learning em particular, para a gestão de ativos? E como podem os investidores tirar o melhor partido destes dois mundos, a tecnologia de ponta e a intervenção humana?

 

 

O papel da tecnologia na gestão de ativos

 

O recurso à tecnologia na gestão de ativos está longe de ser uma novidade, tanto na negociação, gestão de risco, operações ou serviços ao cliente. A título de exemplo, o Banco Carregosa foi a primeira instituição financeira a disponibilizar um serviço de corretagem online em Portugal, no ano 2000, quando os smartphones eram apenas uma miragem.

 

À medida que a tecnologia continua a evoluir e o poder de computação aumenta, o âmbito de intervenção digital cresce e são identificados novos propósitos de atuação. A Inteligência Artificial e o Machine Learning são dois dos expoentes máximos deste crescimento, com aplicação direta à gestão de ativos.

 

Porém, são também buzzwords muito utilizadas em diferentes contextos, que podem gerar alguma confusão no investidor. Em contexto financeiro, o grande contributo da IA e do Machine Learning prende-se com a capacidade de classificar grandes conjuntos de dados e processar informação. Com que fim? A identificação de padrões e outliers.

 

O Machine Learning tem assim aplicações abrangentes em serviços financeiros, que podem trazer benefícios para consumidores, empresas e economia. Por exemplo, muitos bancos usam esta tecnologia para prevenir a lavagem de dinheiro. Para os consumidores, ajuda a reduzir o número de pagamentos erradamente bloqueados. Para os bancos, liberta recursos escassos e acelera os processos internos. Para a economia como um todo, pode ajudar bancos e autoridades a identificar com mais precisão a atividade financeira ilícita.

 

O Machine Learning também tem o potencial de fornecer produtos mais inclusivos e personalizados aos consumidores. Por exemplo, já é utilizado por bancos e empresas em todo o mundo para fornecer avaliações de risco para indivíduos com um histórico de crédito limitado, o que os pode ajudar a ter acesso a serviços financeiros.

 

As agências de classificação de crédito estão a incluir o Machine Learning nas pontuações de crédito ao consumidor, incluindo o dinheiro que ganham e gastam, os impostos que pagam, as poupanças que têm e os investimentos que fazem.

 

A utilização do Machine Learning no ecossistema financeiro está em franco crescimento, e não foi afetada pela pandemia, como mostra um estudo recente levado a cabo pelo Bank of England.

 


A UTILIZAÇÃO DE MACHINE LEARNING NO ECOSISTEMA FINANCEIRO (2020)

 

Fonte: Bank of England

 

 

A nossa visão, que mantemos há mais de 180 anos, é de que a utilização de tecnologia é fundamental para melhorar a qualidade e a análise de dados para a tomada de decisões e mitigar riscos. É também essencial para oferecer uma vantagem competitiva aos nossos clientes. No entanto, subsistem vários desafios à sua disseminação na gestão de ativos.

 

 

Os desafios da tecnologia na gestão de ativos

 

Um dos principais obstáculos tem que ver com a própria natureza dos dados. Os dados de mercado são "ruidosos”. O que isto significa é que os dados nos quais assentam os algoritmos estão sujeitos a impactos de fontes exógenas, eventos remotos e raros, mas drásticos, com impactos em cadeia, que são de difícil quantificação. 

 

Por outro lado, os dados são facilmente enviesados pela perceção do público e dos gestores. Tomar decisões com base nessa informação seria apenas amplificar um receio generalizado, ou um otimismo exuberante, assente em pressupostos infundados.

 

A longa história do Banco permite-nos ter uma perspetiva mais criteriosa no tratamento da informação. É bem sabido que existe uma escassez histórica de dados, ou seja, os dados de décadas anteriores são menos robustos do que os atuais. O aumento dos investimentos quânticos e passivos apenas exacerbou este problema: a tomada de decisão não humana leva a decisões que aparecem mescladas nos conjuntos de dados de mercado. 

 

Por outro lado, se deixados por sua conta, os algoritmos de Machine Learning tendem a forçar correlações, e a encontrar ligações de causa-efeito e padrões que qualquer investidor experiente desacataria. Para não falar da dificuldade em introduzir princípios e valores fundamentais de investimento na tomada de decisão. Como se ensina a um algoritmo a preocupação com a sustentabilidade ou a não colaborar com regimes opressivos? Até ao momento, ninguém conhece as respostas a estas perguntas, nem mesmo os gestores de fundos quânticos mais evoluídos. 

 

A capacidade da tecnologia de analisar uma grande quantidade de dados em segundos é impressionante, mas é a experiência humana que dá vida a este poder. Os algoritmos de Machine Learning conseguem analisar Terabytes de dados num microssegundo e gerar insights, podem determinar relações entre um grande número de entradas de dados de uma forma que parecia impossível há apenas uns anos atrás. Embora a capacidade computacional do Machine Learning exceda a humana, o sucesso da sua aplicação depende da experiência do gestor para o desenvolver e refinar.

 


O melhor dos dois mundos: tecnologia aliada à experiência humana

 

Há uma grande diferença entre deixar um algoritmo de Machine Learning ditar os anúncios que vemos no Facebook e permitir que tome decisões de investimento por nós. Para um gestor de fundos, as consequências de agir com base no ruído em vez de informação relevante são drásticas.

 

Para tirar dividendos do Machine Learning, os colaboradores do Banco Carregosa são incentivados a pensar fora da caixa-negra dos algoritmos, a questionar os dados com base na experiência e a formar uma opinião baseada numa grande diversidade de fontes de informação credíveis. Para nós, o Machine Learning é uma parte de um ecossistema maior, no qual uma equipa experiente toma decisões usando as conclusões geradas através da tecnologia.

 

Reflexo disso mesmo é a própria estrutura do Banco Carregosa, que tem em conta a interação entre pessoas e tecnologia, na forma de uma Comité de Investimento experiente. O propósito do Comité de Investimento é orientar de forma concertada os vários stakeholders, para tomar as melhores decisões. É composto pelos elementos mais experientes do banco, que identificam e discutem as grandes tendências económicas, sociais, tecnológicas, políticas, monetárias e fiscais, passíveis de moldar as decisões de investimento num horizonte temporal de médio e longo prazo.

 

O nosso processo de seleção de investimentos segue um conjunto de etapas bem estabelecidas, testadas com o passar do tempo e que sobreviveram a momentos de incerteza-como as crises financeiras e soberanas de 2008 e 2012.

 


Uma abordagem de Investimento orientada ao futuro há 180 anos

 

"Uma boa decisão é baseada em conhecimento, não em números”. Quando Platão escreveu esta frase, há quase 2.500 anos, dificilmente imaginaria que seria usada em contexto de gestão de ativos ou de Machine Learning.

 

O Machine Learning tem um papel de grande relevo na tomada de decisão financeira e a sua importância continuará a aumentar. É especialmente útil num contexto em que o gestor de ativos pode testar hipóteses rapidamente com base em dados, processar informação de diferentes fontes e construir cenários alternativos.  

 

É o que nos permite analisar os dados do portfólio e identificar com precisão padrões comportamentais significativos que levam à melhoria mensurável do desempenho. Este elevado poder computacional é depois contraposto com a experiência do "mundo real”, e discutido entre uma equipa profissional de investimento, para assegurar os melhores resultados para os nossos clientes.

 

Há mais de 180 anos que orientamos a nossa abordagem e filosofia de investimento para o futuro. Entre em contacto com a nossa equipa, para que possamos cruzar o melhor da tecnologia com a experiência insubstituível dos nossos gestores, numa relação personalizada.

 

Para consultar Informação Legal complementar, por favor clique aqui.