A inteligência artificial (IA) deixou de ser promessa e passou a moldar a indústria de gestão de recursos, tanto em estratégias quantitativas como na pesquisa e no suporte à decisão de gestores discricionários.
Ferramentas de machine learning e modelos generativos já capturam dados, monitoram riscos, automatizam análises e aumentam a produtividade de times que, até pouco tempo atrás, trabalhavam de forma manual.
Para entender o que já funciona, o que ainda é hype e como a competição deve se intensificar, o NeoFeed conversou com Ernest P. Chan, referência global em trading quantitativo e aplicação de IA em finanças.
“Hoje, a maioria dos gestores já mexeu com IA de alguma forma e já a aplica. E a indústria vai ficar cada vez mais competitiva à medida que todo mundo adotar essas ferramentas”, diz ele.
Chan é fundador e chief scientist da PredictNow.ai, plataforma focada em otimização adaptativa de portfólios, e chairman não-executivo da QTS Capital Management, além de ter passado por Morgan Stanley, Credit Suisse, IBM Research e pelo hedge fund Millennium.
Autor de uma trilogia que virou leitura obrigatória em desks quantitativos, Chan acaba de lançar, em parceria com Hamlet Jesse Medina Ruiz, o livro Generative AI for Trading and Asset Management ("A inteligência artificial generativa para negociação e gestão de ativos", em tradução livre) no qual mostra como a nova onda de modelos generativos pode apoiar desde tarefas operacionais até a construção de sinais sofisticados de mercado.
Chan veio ao Brasil, no ano passado, a convite da Itaú Asset para participar do Desafio Quant AI, competição universitária que reÉne mais de 2,5 mil estudantes. Nesta entrevista, ele explica como a IA está mudando o setor, por que dados alternativos ainda têm limitações e qual será o papel dos gestores humanos num mercado cada vez mais automatizado.
Confira, a seguir, os principais trechos:
A gestão quantitativa existe há muito tempo. Quando a IA começou a ganhar tração na indústria?
Tento usar IA em finanças desde 1997, quando estava no Morgan Stanley. Mas houve um longo “inverno da IA”, em que as técnicas simplesmente não funcionavam de forma consistente. Por muitos anos, falar em redes neurais no mercado gerava quase rejeição. Eu mesmo abandonei o tema por um período. Só a partir de 2019 voltei a olhar para IA com seriedade. E, aí sim, começamos a ter resultados práticos. Ou seja, a gestão de recursos também viveu esse ciclo: uma longa fase em que IA era mais aspiração do que realidade e, recentemente, um período de amadurecimento rápido.
"A gestão de recursos também viveu esse ciclo: uma longa fase em que IA era mais aspiração do que realidade e, recentemente, um período de amadurecimento rápido"
Hoje, em que partes do processo a IA já traz vantagem concreta?
O uso mais óbvio é gestão de risco. Se a IA indicar risco alto e estiver errada, você apenas perde uma oportunidade. Não quebra o fundo. É um domínio em que o erro é “mais tolerável”. Outro uso forte é como assistente de pesquisa. A IA monitora notícias, investigações, eventos legais, variações relevantes e entrega isso de forma organizada para o gestor, algo difícil de fazer manualmente. Há ainda o uso em otimização da alocação.
Como isso funciona?
Há a otimização adaptativa de portfólios. Em vez de replicar uma alocação estática baseada no passado, a IA ajusta o portfólio ao contexto atual: competição entre empresas, mudanças tecnológicas, ambiente macro. Não são apostas extremas, mas ajustes contínuos que melhoram o processo. Já o uso de IA para gerar sinais e decidir trades exigia resultados muito robustos e, por muito tempo, era raro. Hoje já vemos sucesso sobretudo em horizontes curtos, como high frequency. Ainda é desafiador, mas deixou de ser anomalia.
Em termos de adoção, onde estamos hoje globalmente?
Eu diria que a maioria dos fundos quantitativos com mais de US$ 100 milhões já usa IA de alguma forma. Poucos são totalmente “self-driving funds”, mas iniciativas internas são praticamente universais. É raro encontrar alguém que diga “não uso IA para nada”.
E na gestão discricionária?
A IA entrou de forma muito forte como suporte: sumarização de informações, geração de ideias, acompanhamento de eventos e gestão de risco. Mas, em geral, ela não toma a decisão final. Nos fundos quant, sim. A IA já pode gerar sinais, definir posições e pesar o portfólio.
"Em geral, ela não toma a decisão final. Nos fundos quant, sim. A IA já pode gerar sinais, definir posições e pesar o portfólio"
Isso já se espalhou para estratégias macro e para ativos menos líquidos?
Sim. Muitos gestores discricionários nos procuram para construir modelos de previsão macro: inflação, atividade, indicadores de confiança. Prever macro é, de certa forma, mais fácil do que prever preços de ações, porque sua atuação não afeta o resultado. A IA funciona como um “oráculo” macro que alimenta decisões humanas.
Que tipo de novos dados a IA trouxe para a mesa?
O primeiro salto foi aproveitar dados estruturados gigantescos que antes eram difíceis de usar. Por exemplo, milhões de registros de cartão de crédito. A IA consegue transformar isso em informação útil sobre consumo. Depois vem texto: discursos de bancos centrais, comunicados, conference calls. A IA lê, resume e extrai informações que geram preço. E o próximo nível são dados não estruturados, como imagens e clima, com satélites monitorando portos, lavouras, fábricas; mapas de furacões e risco para refinarias. Mas esse uso ainda está restrito às maiores casas, porque exige pesquisa cara e com retorno incerto.
Mais dados sempre significam modelos melhores?
Para um gestor discricionário, sim, porque qualquer dado relevante hoje ajuda. Para modelos quantitativos, não necessariamente. O gargalo é histórico e consistência. Muitos dados alternativos são caros e têm séries curtas. Se o provedor muda o método de coleta no meio do caminho, o dado pode virar inutilizável para backtesting. Então, apesar do entusiasmo, boa parte desses datasets ainda não serve para modelos quantitativos robustos.
IA e novos dados podem ajudar gestores a bater o índice em mercados líquidos?
Podem, mas depende do horizonte de tempo. Se você disser que “gestores não batem o mercado”, tente falar isso para firmas de high frequency como Hudson River Trading ou XTX. Eles superam sim o buy and hold em janelas curtas. Em horizontes mais longos, IA ajuda de forma incremental: melhores previsões macro, melhor otimização, melhor gestão de risco. Isso não garante superar índices consistentemente, mas melhora o processo e o retorno ajustado ao risco.
"Se você disser que 'gestores não batem o mercado', tente falar isso para firmas de high frequency. Eles superam sim o buy and hold em janelas curtas"
Veremos trading totalmente autônomo também em horizontes longos?
Acredito que sim. Em alta frequência isso já é realidade. Mas existe o fator competição. Se todos têm modelos poderosos, o alfa desaparece rápido. O mercado fica tão eficiente que a vantagem volta para quem gerencia melhor o risco. E há o risco de crowding. Se todo mundo detecta o mesmo evento – um furacão no Texas, por exemplo – e reage igual, o benefício diminui. Mesmo assim, todos continuarão usando IA, porque quando alguém desiste, surgem novas oportunidades.
Construir modelos internamente é caro? Vale a pena?
Não muito. Você não precisa criar algoritmos do zero. Google, OpenAI e outros já disponibilizam as bases. O custo real está em contratar gente que saiba aplicar IA aos dados financeiros. E, muitas vezes, vale mais ter alguém de finanças que aprendeu IA do que um engenheiro de big tech que nunca lidou com mercados. Eu não recomendo comprar soluções caras e genéricas. O que realmente funciona costuma estar disponível de graça. O diferencial vem da customização interna.
IA torna o setor mais asset light, reduz custos?
Ela aumenta a produtividade – especialmente de equipes de tecnologia – mas não reduz drasticamente custos estruturais. O grande ganho dela está em um melhor sharpe ratio, não em despesas operacionais. Para a maioria dos fundos, IA não substitui infraestrutura pesada. Ela melhora processos.
E quanto aos empregos?
Funções operacionais e tarefas mecânicas de TI podem diminuir. IA gera código, automatiza rotinas, reduz etapas repetitivas. Mas não vejo queda na demanda por gestores de portfólio. IA responde perguntas. Humanos formulam perguntas. A IA não decide, sozinha, qual mercado atacar ou qual estratégia criar. Isso ainda é humano.
Isso cria uma guerra por talentos?
Sim. Mas o curioso é que, hoje, uma big tech paga melhor que Wall Street para especialistas em IA. Por isso, finanças está de três a cinco anos atrás do setor de tecnologia na sofisticação das ferramentas.
Que conselho você dá a gestores brasileiros que estão começando com IA?
Comecem por aplicações de baixo risco e baixo custo: sumarização de dados, risco, pesquisa. Testem, aprendam, expandam. Não esperem encontrar a aplicação perfeita antes de agir. IA é prática, não teoria.
Como será a indústria daqui a dez anos?
IA estará em todas as etapas da gestão. Alguns fundos já terão IA como principal decisor. Outros, como copiloto avançado. A competição ficará ainda mais intensa, porque todos terão acesso às mesmas ferramentas. O diferencial continuará sendo humano: quem fizer as perguntas certas.
