Antes de investir, Jim Simons quebrou códigos para o governo americano e chefiou um departamento de matemática. O fundo que ele criou, a Renaissance Technologies, tomava as decisões de compra e venda com modelos estatísticos rodando em computadores, sem depender do julgamento de operadores. As seções abaixo explicam como esse tipo de estratégia funciona e onde costuma falhar.
Quem foi Jim Simons
Simons nasceu em 1938, em Massachusetts. Entre 1964 e 1968 trabalhou com quebra de códigos no Institute for Defense Analyses e, de 1968 a 1978, chefiou o departamento de matemática da Universidade Stony Brook. Na geometria, o nome dele está nas formas de Chern–Simons, usadas hoje na física.
No fim dos anos 1970 começou a investir, no início em parte por intuição, e logo passou para modelos matemáticos. A Renaissance contratou matemáticos, físicos, astrônomos e pesquisadores de reconhecimento de fala, gente boa em achar padrões fracos em dados cheios de ruído, e quase ninguém do mercado financeiro. Simons morreu em 2024.
O que são finanças quantitativas
Finanças quantitativas usam matemática, estatística e programação para decidir o que comprar, o que vender e quanto arriscar. No lugar de uma opinião sobre uma empresa, existe uma regra escrita. Se isto acontece nos dados, faça aquilo. A regra é testada em anos de preços passados antes de ser usada com dinheiro de verdade.
O fundo Medallion, da Renaissance, lançado em 1988, é o resultado mais conhecido dessa abordagem. Segundo o livro de Gregory Zuckerman, entre 1988 e 2018 ele rendeu em média cerca de 66% ao ano antes das taxas e 39% depois delas. São resultados de um fundo específico e dizem pouco sobre o que outras estratégias podem render. O Medallion está fechado para investidores de fora há cerca de duas décadas.
Uma vantagem pequena, repetida muitas vezes
Segundo o livro, a Renaissance acertava só um pouco mais da metade das vezes. O fundo ganhava dinheiro porque repetia essa pequena vantagem num número muito grande de operações e mantinha os custos baixos.
O gráfico mostra por que isso funciona. Cada linha é uma simulação de 50 mil apostas do mesmo tamanho. Com exatamente 50% de acerto, o saldo oscila perto de zero. Com 50,75%, ele sobe de forma constante. Nas primeiras centenas de apostas as duas linhas são parecidas.
De onde vêm os sinais
Sinal é qualquer regularidade nos dados que ajuda a prever o próximo movimento, mesmo que pouco. Algumas famílias clássicas são fáceis de explicar.
- Tendência (momentum)
ativos que vêm subindo tendem a continuar subindo por um tempo, e o mesmo vale para os que vêm caindo.
- Reversão à média
preços que se afastam demais do nível de costume tendem a voltar.
- Relações entre ativos
quando dois ativos que costumam andar juntos se separam, a distância tende a fechar. É a base da operação de pares e da arbitragem estatística.
- Calendário e fluxos
alguns efeitos se repetem em certos horários, dias ou datas, muitas vezes por causa do jeito como outros investidores operam.
A Renaissance passou anos coletando e limpando dados históricos de preços antes de testar sinais, porque erros nos dados produzem sinais que não existem no mercado.
O maior perigo é enxergar padrões que não existem
Com tentativas suficientes, qualquer base de dados revela um "padrão" que funcionou perfeitamente no passado por puro acaso. Isso se chama sobreajuste, e é o jeito mais comum de uma estratégia quantitativa fracassar.
As defesas mais usadas são testar a ideia em dados que o modelo nunca viu, manter as regras o mais simples possível, perguntar se existe um motivo para o padrão existir e supor que a operação de verdade vai ser pior do que o teste, depois de contar custos e atrasos.
Palavras que você vai encontrar
- Alfa
- retorno que vem da própria estratégia e não do mercado como um todo.
- Sinal
- uma regularidade mensurável que ajuda a prever um preço, mesmo que pouco.
- Backtest
- testar uma estratégia em dados passados como se ela estivesse rodando naquela época.
- Sobreajuste
- ajustar um modelo tanto ao passado que ele falha em dados novos (em inglês, overfitting).
- Fora da amostra
- dados guardados à parte e nunca usados para construir o modelo.
- Arbitragem estatística
- muitas apostas pequenas em preços que se afastam da relação de costume.
- Alavancagem
- investir mais do que o próprio dinheiro pegando emprestado, o que multiplica ganhos e perdas.
- Índice de Sharpe
- retorno dividido pelo risco, um jeito comum de comparar estratégias.
Por onde começar a ler
O primeiro grupo conta a história de Simons e apresenta o argumento de que é difícil vencer o mercado. O segundo serve para praticar com dados e código.
A história e o contexto
- The Man Who Solved the Market Gregory Zuckerman · 2019 · livro
A história de Jim Simons e da Renaissance Technologies. No Brasil saiu pela Alta Books com o título "O homem que decifrou o mercado".
- The mathematician who cracked Wall Street Jim Simons · TED · 2015 · vídeo
O próprio Simons, numa conversa, sobre matemática, quebra de códigos e como começou a investir.
- A Random Walk Down Wall Street Burton G. Malkiel · W. W. Norton · livro
O argumento clássico de que é difícil vencer o mercado, útil para avaliar qualquer estratégia com ceticismo.
Para praticar
- Topics in Mathematics with Applications in Finance MIT OpenCourseWare · 18.S096 · curso gratuito
Aulas gratuitas do MIT sobre a probabilidade, a estatística e a álgebra linear usadas em finanças, com palestras de gente do mercado.
- QuantConnect Learning Center QuantConnect · tutoriais gratuitos
Tutoriais práticos para escrever e testar as primeiras estratégias em Python com dados históricos.
- Quantitative trading Investopedia · artigo
Uma referência curta sobre o vocabulário da área.
Na ImpactUFSCar
O nosso núcleo de Pesquisa e Mercado estuda e constrói estratégias quantitativas, e nossas equipes ficaram no top 1%, 5% e 10% do Desafio Quant AI da Itaú Asset. Veja nossas conquistas ou fale com a gente para estudar junto.
Os números da Renaissance vêm do apêndice de "O homem que decifrou o mercado" (Zuckerman, 2019). O gráfico é uma simulação ilustrativa.