Não há dúvidas de que a ciência de dados está transformando a maneira como os fundos de hedge e os gestores de ativos operam. Com isso em mente, o que é preciso saber sobre processos e plataformas e, sobretudo, quais habilidades são necessárias para explorar melhor os dados na constante busca por alfa?
- As novas tecnologias estão redefinindo a constante busca por alfa (rendimentos acima da expectativa inicialmente prevista) nos mercados financeiros, com dados como elemento essencial para alimentar processos, e os data scientists, responsáveis pela coordenação de todo o trabalho.
- O aproveitamento de dados para obter retornos acima do esperado em determinado investimento requer acesso a informações exclusivas de mercado, plataforma tecnológica certa e –não menos importante— especialistas de ponta que sabem como utilizar tudo isso forma adequada.
- Entre as informações necessárias para que os gerentes de ativos gerem o tão desejado “retorno alfa”, hoje podemos incluir fontes alternativas de dados, como a Internet das Coisas (Internet of Things, ou IOT, na sigla em inglês) ou elementos de culturas de certas commodities.
À medida que a tecnologia transforma o comportamento dos gestores e dos fundos que eles administram, o mundo das finanças adquire contornos completamente distintos de uma década atrás.
Machine learning, processamento de linguagem natural e mineração de texto –conhecida também como mineração de dados textuais e semelhante à análise textual— são apenas algumas das maneiras pelas quais a tecnologia está moldando a busca por alfa, com dados como o elemento essencial que alimenta esses processos e data scientists como arquitetos do sucesso.
Recentemente, tivemos a oportunidade de conversar com Lydia Tomkiw, repórter da FundFire, publicação online baseada nos Estados Unidos e especializada em gestão de investimentos, sobre os percalços enfrentados por hedge funds e empresas de gerenciamento de ativos em busca de melhores retornos.
Neste post, destacamos algumas das principais conclusões dessa entrevista.
A importância dos dados na geração de alfa
Para obter melhores retornos do que o esperado no ambiente financeiro atual, é preciso saber lidar com uma gama de informações que inclui tanto elementos de fontes tradicionais quanto de alternativas.
As tradicionais são aquelas além dos dados macroeconômicos e financeiros típicos, e podem englobar até insights originários de dados de satélites que contam, por exemplo, carros em estacionamentos de lojas para projetar vendas trimestrais.
Já as alternativas, que aliás tornam-se mais populares a cada dia, abrangem praticamente tudo: de dados de telefones celulares –ainda mais precisos do que os satélites— até os obtidos pela IOT (compilados a partir dos dispositivos que gerenciam atividades familiares em todo o mundo) e os derivados de análises de safras de commodities.
Como se vê, esse universo está se tornando muito mais sofisticado e complexo, e os dados subjacentes, mais confusos. Por isso, há hoje um volume colossal de trabalho que precisa ser feito se quisermos decifrar, organizar e tirar partido dos dados.
E, apesar de o processamento correto desses elementos ser um componente crítico na busca por alfa, é apenas uma parte da equação.
Os dados –informações proprietárias de uma empresa, de um fornecedor do mercado financeiro ou de fontes alternativas— só serão confiáveis se as plataformas nas quais são processados e as pessoas que conduzem esse trabalho forem de alta qualidade.
Tecnologia à disposição
O setor financeiro está passando por grandes mudanças, incluindo a democratização do acesso a tecnologias que permitem aos usuários tirar proveito dos dados existentes.
Nos últimos quatro ou cinco anos, e após uma década de computação em nuvem, vemos muito mais tecnologia de código aberto disponibilizada pelos grandes provedores e que pode ser usada para analisar grandes quantidades de dados.
Sem dúvida, estamos presenciando uma era sem precedentes, em que o deep learning já é acessível a pessoas comuns. Mas isso também significa que extrair informações valiosas na busca por alfa está se tornando quase corriqueiro. E a capacidade de usar o potencial das mais recentes tecnologias e do pensamento tecnológico está mudando de vez a dinâmica da procura por retornos financeiros.
Domínio da ciência de dados
Quase todas as grandes instituições financeiras montaram times de profissionais especializados em ciência de dados para criar complexos modelos tecnológicos de código aberto.
Mas, quando se contrata um cientista de dados, há uma série de habilidades relacionadas ao seu trabalho que também são necessárias. Os engenheiros de dados também são essenciais, por exemplo, para obter os dados na forma adequada para seu processamento. E são os desenvolvedores que estão aptos a construir a infraestrutura para tal.
O sucesso do negócio baseia-se em dados aplicados às plataformas de tecnologia por especialistas que sabem como gerenciá-los. E o futuro da geração de alfa está relacionado à correta construção desse mosaico de informações a fim de criar análises preditivas.
É, enfim, uma complexa rede de dependências que precisa ser tecida para fazer a diferença e obter os melhores retornos financeiros possíveis.
