Robôs analistas: entenda como funcionam os fundos que usam algoritmos para investir

Os algoritmos estão por toda parte. Se você acessou esta matéria pelas redes sociais, um deles foi o responsável por colocar o conteúdo em uma das suas redes sociais. No mundo dos investimentos não poderia ser diferente. Eles já estão presentes há muito tempo em mercados mais desenvolvidos, mas estão chegando com tudo no Brasil, trazendo eficiência e a promessa de operações sem viés emocional e com base em dados. 

Hoje, investir em fundos que operam com robôs é fácil. São vários abertos ao público e com investimento inicial de até R$ 1, como é na Itaú Asset. Eles geralmente negociam ações e, mesmo que sejam robôs, o risco ainda é alto, mas vale a pena conhecer esse tipo de operação. 

Como os robôs trabalham

Os algoritmos funcionam como os analistas do fundo. Eles trabalham lendo balanços, dando aos gestores as notícias mais relevantes do dia, identificando oportunidades imediatas e de longo prazo. Cada gestora constrói seus algoritmos como acha melhor, mas o que justifica a automação é analisar um volume enorme de dados em pouco tempo e tomar decisões baseadas neles. O objetivo é ter menos emoção e mais racionalidade.

A Itaú Asset tem seu próprio time de robôs, operados pela equipe da Quantamental, empresa incorporada pela gestora em 2021. Eles criaram 12 robôs, cada um funciona como um analista. No time, há um robô que compra ações de empresas com balanços positivos, um que surfa tendências de mercado, outro especialista em empresas em fase de recuperação e um focado em small caps. 

É comum que as gestoras que operam algoritmos tenham uma parte da operação focada em arbitragem estatística. São robôs focados em identificar distorções de preço em milésimos de segundo: quando há um comprador procurando uma ação a R$ 22 e um vendedor oferecendo o papel a R$ 20, o robô rapidamente compra por R$ 20, vende por R$ 22 e fica com um lucro de R$ 2. Na Itaú Asset, o Eddie é analista-robô responsável pela arbitragem estatística. 

A DAO Capital, empresa que opera um fundo de investimentos desde março do ano passado, também tem uma parte de sua operação focada em arbitragem estatística. Porém, a ideia é operar com os algoritmos olhando para vários fatores. DAO e Itaú Asset colocam seus algoritmos para operar em várias frentes, para não apostar suas fichas em apenas uma abordagem. 

A grande vantagem de ter robôs trabalhando para seus investimentos é o volume de dados processados. “Um fundo tradicional com 10 analistas pode ter a melhor equipe, mas ele só vai conseguir olhar bem para 40 empresas, e se houver algo de bom nas outras, ele não vai ficar sabendo”, afirma Caio Castro, sócio da DAO Capital. Com isso, o tamanho da equipe também é muito reduzido. Na DAO, são quatro pessoas na operação, enquanto a Quantamental tem sete especialistas dentro da Itaú Asset. 

A ideia de operação por algoritmos também passa por tirar da equação a emoção dos analistas, que pode atrapalhar na tomada de decisões. “Quando o robô está perdendo dinheiro ele não fica medroso e quando está ganhando ele não se acha ‘o cara’. Ele faz a posição do tamanho certo”, explica Victor Dweck, gestor e cofundador da Quantamental. 

Como saber se o modelo dá certo

Antes de usar os robôs para investir o dinheiro dos clientes, as gestoras que trabalham com algoritmos fazem vários testes. A fórmula é testada no passado, usando a lógica de que um bom modelo no passado continuará vencedor no futuro. A ferramenta do backtest é usada para responder se nos últimos 20 anos, por exemplo, os robôs teriam superado Ibovespa. 

Porém, fazer um bom backtest não é tão simples. Se usada da maneira errada, a ferramenta pode enganar os gestores mais confiantes. “Se mal feito, ele pode mostrar que você ficaria milionário em três semanas, mas, na prática, é um desastre”, comenta Castro. 

Para fazer o backtest da maneira correta, as gestoras não podem alimentar os robôs com os eventos do passado. No teste, os robôs não podem saber da crise de 2008, do impeachment de Dilma Rousseff ou da crise da Covid-19. Eles precisam operar com as mesmas informações que as pessoas tinham no passado para não ter vantagem sobre a realidade e, assim, gerar um resultado realista. 

Feito o backtest, é hora de colocar o algoritmo para rodar. Mesmo depois do lançamento, ainda há trabalho de ajustes nos robôs. Se a máquina está comprando apenas ações de um setor específico ou dando preferência para empresas que os gestores sabem não ser uma boa compra, é hora de ajustes. A equipe faz uma pesquisa para entender o comportamento do algoritmo e, se necessário, mudam algo na fórmula. 

Diferentes maneiras de fazer as abordagens 

Mesmo com robôs e muito processamento de dados, não há fórmula mágica nos investimentos. Por isso, as gestoras que usam a inteligência das máquinas em seus fundos têm diferentes abordagens. 

Há empresas que optam pelo modelo 100% quantitativo, que deixa o algoritmo cuidar de tudo, com o mínimo ou zero interferência humana. No Brasil, a Kadima é uma das gestoras mais tradicionais que segue essa abordagem. 

Também é possível adotar uma abordagem híbrida, como acontece na Quantamental, da Itaú Asset, onde a interferência humana é um pouco maior. Lá, um dos robôs só compra ações com aprovação da equipe e se os robôs começam a comprar setores que os gestores não gostam, por exemplo, são interrompidos. 

Já a DAO Capital também tem sua operação inteiramente focada em algoritmos de investimentos, porém, a ideia é operar com o factor investing, sinais que combinam análise fundamentalista e analise técnica de forma sistemática. Os algoritmos são construídos em cima de fatores (na DAO são: valor, momentum, qualidade e volatilidade) e os gestores não interferem em ordens de compra: se o robô decidiu alocar 5% do capital em uma ação, a decisão será respeitada.

O que eles fazem é estudar o algoritmo todos os dias para identificar distorções e, se houver alguma, rodar uma pesquisa para entender o motivo e ajustar. Nessa abordagem, a interferência humana sempre acontece antes, na construção do algoritmo e nunca depois, impedindo o robô de montar uma posição, por exemplo.