O que diferencia um analista quant dos demais tipos de analistas?
Na verdade, em termos de estratégias, a diferença é menor do que se imagina.
De modo geral as pessoas associam a análise quantitativa a algo ultra complexo desenvolvido por pessoas de inteligência excepcional, mas de fato, ela não difere muito do que já estamos acostumados a ler e ouvir diariamente de analistas tradicionais. O que a torna diferenciada é a forma em que as ferramentas convencionais são utilizadas.
Na análise quant a seleção de ativos e a decisão sobre como os recursos são alocados em cada um deles é feita de maneira sistemática, ou seja, sem interferência humana.
O processo de construção dos modelos exige muita dedicação e esforço, pois cada aspecto dos procedimentos adotados na escolha dos ativos deve ser especificado para que o software realize os comandos corretamente. Portanto, a análise quantitativa exige mais do analista do que a análise convencional, conhecida como discricionária.
Uma vez que o modelo esteja ativo, o trabalho consiste em buscar formas de melhorá-lo e mantê-lo funcionando apropriadamente.
Para entender um pouco melhor como tudo isso é feito, fiz um resumo das principais etapas da construção de um modelo quantitativo.
Criação da estratégia
Essa é a etapa que requer mais tempo e paciência, sendo às vezes difícil até saber por onde começar. Que ferramentas poderiam nos dizer que a partir do momento em que um evento x acontecer o preço de uma ação começará a cair ou subir? Que evento ou eventos seriam esses?
Essas são as perguntas que todos os analistas, quants ou não, tentam responder. O sucesso de um analista ou gestor de um fundo depende justamente da resposta que ele encontrar. Para isso utiliza-se análise técnica, fundamentalista, notícias, redes sociais etc.
As possibilidades são muitas. Algumas ideias podem ser tiradas das teorias das áreas econômica e financeira ou de estudos do comportamento dos participantes do mercado. Uma fusão das duas também é possível e pode trazer resultados ainda melhores. Será que os movimentos dos astros celestes contribuiriam em alguma coisa? Sim, há pessoas que analisam dessa forma!
O processo de desenvolvimento de uma teoria própria que explique o movimento dos preços é um trabalho exaustivo, que demanda muita pesquisa e observação, dado que várias ideias não funcionam como esperado. Porém, uma teoria capaz de gerar lucros consistentes pode se tornar o grande diferencial de qualquer analista, gestor ou investidor.
Implementação do modelo
Com a teoria em mãos, é hora da implementação. Para isso, é necessário obter a principal matéria prima dos modelos quantitativos: dados.
Modelos quantitativos utilizam dados de maneira intensiva. Eles servem de inputs para o funcionamento das estratégias. Algumas demandam as séries históricas dos preços dos ativos. Outras, além dos preços, precisam das informações financeiras das empresas, como balanços, demonstrações de resultado e de fluxo de caixa. Modelos mais completos podem utilizar ainda dados macroeconômicos, como PIB, inflação, desemprego, taxa de juros etc.
Em posse de tudo isso, torna-se possível criar algoritmos para implementar a teoria previamente desenvolvida e dar vida ao modelo. Milhares (ou milhões) de dados são usados para a realização de incontáveis cálculos para se chegar a valores que serão interpretados em três palavras: comprar, manter ou vender. Softwares bastante utilizados atualmente são o R e o Python, sendo este último o mais popular, mas há outros.
Teste
Para saber se a estratégia realmente funciona antes de investir dinheiro com base nela, é necessário testar o modelo em séries históricas com vários ativos e observar os resultados. Esse processo, chamado de backtesting, consiste em avaliar qual seria o retorno acumulado se essa estratégia fosse usada nos últimos 5 ou 10 anos. Retornos positivos, maiores que o CDI e melhores que a estratégia buy and hold são indicativos de que todo o esforço valeu a pena.
Nas situações em que os resultados não sejam bons, é necessário voltar na etapa de criação da estratégia, revisar a teoria e substituir algumas ferramentas. Uma vez que os resultados sejam satisfatórios, o trabalho consiste principalmente em ajustar os parâmetros utilizados nos cálculos para encontrar os que possuem uma melhor relação risco-retorno.
No entanto, é fundamental acompanhar o modelo diariamente para perceber alterações que comprometam a assertividade e a qualidade. Mudanças repentinas de mercado ou situações que ocorram com empresas específicas, como notícias de fusões, lançamento de novos produtos que indiquem grande crescimento em relação aos concorrentes, notícias ruins relacionadas a fraudes ou coisas do tipo, devem ser tratadas de forma cuidadosa. Eventos como esses geralmente não são incorporados nas rotinas diárias da maioria das estratégias.
Em determinadas situações, ao ver que as condições do mercado ou de alguma empresa está diferente do que foi previamente estruturado, o analista pode optar por desligar o modelo ou excluir a companhia que apresente comportamento adverso até que a situação se normalize. É importante entender que ajustes são necessários e que o trabalho de adaptação e melhorias é contínuo.