Você está na página 1de 127

ROBÔS INVESTIDORES

UNINDO ARTE E CIÊNCIA

Primeira Edição – 16/07/2016


Edição 3.127 – 01/02/2017
Copyright © Rogério Figurelli
Os direitos de todos os textos contidos neste livro eletrônico são
reservados a seu autor, e estão registrados e protegidos pelas leis do
direito autoral, em todas suas edições.
Esta é uma edição eletrônica - e-book comercial -, que não pode ser
vendida, distribuída nem comercializada, em hipótese nenhuma, nem
utilizada para quaisquer fins, sem a expressa autorização por escrito do
autor.
É permitido o armazenamento deste livro em computadores ou
dispositivos pessoais do comprador, com o único objetivo de leitura de
seu conteúdo em meio eletrônico.
Nenhuma parte isolada deste livro pode ser copiada, reproduzida, ou
armazenada em qualquer meio, ou ainda utilizada para qualquer fim.
Este livro eletrônico não pode ser impresso.
Conteúdo

Disclaimer ......................................................................................................... 4
Sobre o autor .................................................................................................... 5
Introdução ........................................................................................................ 7
Capítulo 1 A Ciência e o que podemos esperar de um Robô Investidor ..... 12
Capítulo 2 A Arte e os limites que iremos enfrentar .................................... 39
Capítulo 3 Unindo Arte e Ciência para vencer .............................................. 59
Capítulo 4 A Arte de uma boa Estratégia e Setup automatizado ................ 71
Capítulo 5 A Ciência de uma boa Estratégia e Setup automatizado............. 84
Capítulo 6 A inércia e como ela impacta seus resultados........................... 101
Capítulo 7 O futuro dos Robôs Investidores ............................................... 111
Referências ................................................................................................... 126

3
Disclaimer

O conteúdo apresentado nesse livro não se trata de recomendação,


indicação e/ou aconselhamento de investimento. O leitor deve
consultar um assessor, advisor jurídico, tributário, regulatório, técnico,
de negócios, de investimentos, financeiro e contábil, na medida em
que julgar necessário, para assessoria na escolha e definição de
softwares, plataformas, robôs, algoritmos, estratégias e setups.

4
Sobre o autor

Rogério Figurelli é CEO da empresa Trajecta – Consultoria e Projeto de


Robôs - www.trajecta.com.br, a primeira empresa brasileira de
consultoria especializada em robôs, atuando como consultor de
empresas no planejamento, operacionalização, auditoria e projeto de
robôs, para as mais variadas aplicações de mercado e modelos de
negócio.
Com mais de 35 anos de experiência na área de Tecnologia da
Informação e de 20 anos no mercado de robôs, é engenheiro
eletricista/eletrônico pela UFRGS e mestre em ciências da computação,
também pela UFRGS. Possui pós-graduação em gestão de pessoas,
estratégias e negócios – MBA pela Fundação dos Administradores do
Rio Grande do Sul.
Especialista no desenvolvimento de tecnologias nas mais diversas
plataformas e áreas do conhecimento, além de algoritmos
especialistas e sistemas quantitativos nos mais variados níveis de
complexidade, como aplicações de inteligência de máquina, deep
learning e modelos evolucionários.
É pioneiro no desenvolvimento de robôs e em pesquisa de várias
tecnologias de inteligência artificial forte, criando centenas de robôs
brasileiros desde 1996, quando começou a atuar nesse mercado.
Contato: https://br.linkedin.com/in/figurelli

5
A ciência descreve as coisas como são.
A arte, como são sentidas, como se sente que são.
Fernando Pessoa

6
Introdução

O enorme desafio de diminuir as incertezas e riscos do futuro,


principalmente no Mercado Financeiro e de Capitais, nos obriga a estar
muito atentos a aspectos puramente racionais, que são o viés
científico do dia a dia de um trader ou investidor.

Entretanto, a realidade da Ciência nos mostra que, ao enfrentar


questões puramente emocionais, naturais do ser humano - e por mais
frio que esse possa ser - algo mais é necessário. E talvez decisivo.

Esse algo mais chamarei e englobarei nesse livro como Arte.

Mas o que é Arte, afinal, e de que forma podemos alinhar esses


conceitos à Ciência do Mercado?

O conceito de Arte nos remete a visões muito abstratas, e a algo ainda


muito complexo e desafiador no universo dos computadores: a
imaginação.

A seguir apresento alguns conceitos práticos e abstratos disponíveis


publicamente na Internet, para facilitar nosso alinhamento de
conceitos e contextualização de diferenças de Arte e Ciência.

“A capacidade do artista de ler e interpretar a vida, com tamanha


sensibilidade e a expressar em forma de pinturas, músicas e outras
obras, é o que se denomina Arte. A Arte pode ser expressada através
da escultura, como Davi, de Michelangelo. Em partituras de Ravel ou
quadros de Van Gogh, Picasso, Dali entre outros expoentes de
movimentos artísticos.” - Anna Adami

“Arte é um termo que vem do latim, e significa técnica/habilidade. A


definição de arte varia de acordo com a época e a cultura, por ser arte
rupestre, artesanato, arte da ciência, da religião e da tecnologia.
Atualmente, arte é usada como a atividade artística ou o produto da

7
atividade artística. A arte é uma criação humana com valores estéticos,
como beleza, equilíbrio, harmonia, que representam um conjunto de
procedimentos utilizados para realizar obras.” – site
significados.com.br

“A Arte é o conceito que engloba todas as criações realizadas pelo ser


humano para expressar uma visão/abordagem sensível do mundo, seja
este real ou fruto da imaginação. Através de recursos plásticos,
linguísticos ou sonoros, a arte permite expressar ideias, emoções,
percepções e sensações.” – site conceito.de

Em suma, podemos imaginar, por exemplo, que tudo que não possa de
alguma forma ser entendido como uma decisão baseada em modelos
quantitativos pode, de alguma forma, ser compreendida, mesmo que
minimamente, para que, no futuro, se torne um modelo. E o modelo
se materialize em algoritmos.

Mas talvez esse modelo já exista na natureza, a muitos anos, de forma


evoluída e operacional, dependendo apenas de nossa imaginação para
descobrir e transformar ele em objetos controlados e reais.

A visão, intuição e a criatividade, presentes na operação discricionária,


principalmente quando nos defrontamos com cenários de grande
incerteza, e temos que tomar decisões ou resolver problemas
complexos, são exemplos desses modelos prontos presentes na
natureza. No caso, presentes no próprio investidor.

Robôs Investidores: um novo desafio


Você começa a conhecer o Mercado de Capitais e o investimento em
ações, iniciando seus estudos e trades.
Estudando gráficos de preços e volume dos ativos, ou ainda os
fundamentos das empresas que deseja investir, mais cedo ou mais
tarde irá escolher suas estratégias operacionais favoritas.

8
Com o tempo passando, e seu conhecimento avançando,
principalmente com a dor das perdas, você vai cada vez mais deixando
o fator emocional e os chutes de lado e passa a planejar as operações
e seguir cada vez mais as regras estabelecidas.
Aos poucos vai aprendendo que sem uma boa gestão financeira e de
risco, e sem muita disciplina, todo aquele ganho conquistado e que
estava parecendo que você tinha dominado o mercado irá se perder.
Também aprende que tanto as informações de análise técnica como
fundamentalistas, e mesmo as análises de novas escolas, como a da
visão, são passíveis de serem utilizadas em suas estratégias.
Aos poucos, talvez sem perceber, você está cada vez mais disciplinado,
criando algoritmos próprios de gestão de trades e formas de investir
cada vez mais sistemáticas, coletando e analisando dados das mais
variadas fontes e períodos.
A sua confiança aumenta e você começa a pensar em automatizar as
tarefas, até para ter mais tempo para outras coisas mais importantes
na vida e poderá ganhar muito em qualidade de execução de suas
estratégias.
Então você visualiza um trading system a partir de sua metodologia
operacional, e coloca ele para funcionar na sua plataforma preferida,
iniciando a fazer um backtesting, ou seja, um teste da sua estratégia
utilizando dados de preços do passado, e também, aos poucos,
forward testing para avaliar no tempo real sua performance.
Parabéns, nesse momento você passou pela mais complexa das
tarefas, que é ter um plano tão bem documentado que se transformou
num trading system, e que é passível de ser automatizado no futuro,
ou seja, ser transformado em um robô trader ou um Automated
Trading System (ATS).

9
E o benefício imediato está em poder testar cada vez mais sua
metodologia operacional.
Porém algoritmos e robôs traders precisam ser permanentemente
atualizados e melhorados, assim como suas estratégias, pois o
mercado é altamente dinâmico e arriscado.
Então seus backtestings provavelmente não se repetirão como
esperado, pois virão bolhas e crises, tsunamis, e novas notícias que
irão movimentar os preços como nunca você imaginou.
Além disso, muitas das condições utilizadas nos seus testes estão longe
das reais, algo que somente com a experiência na utilização das
ferramentas e codificação dos algoritmos você poderá corrigir.
E você descobre que não há fórmula mágica na renda variável, nem
para o homem, nem para o robô.
E então surge um novo desafio: criar um Robô Investidor.

Arte e Ciência no Mercado de Capitais

Mas como unir Arte e Ciência de forma eficaz, em Robôs Investidores,


para aumentar nossa competitividade no Mercado?

Qual a realidade atual dessa união e o que podemos esperar no


futuro?

Esse é o caminho que estarei percorrendo, nas próximas páginas e


capítulos, seguindo uma linha de vários livros na área
[1][2][3][4][5][6][7], com os mais diversos tipos de robôs em diversas
frequências e diversidade de instrumentos financeiros/mercados.

E nosso foco será dos Robôs Investidores, dentro de minhas crenças e


visões, evidentemente, mas, principalmente, o forte apoio de uma

10
tecnologia que veio para ficar e servir como referência para todas
demais na área de Mercado de Capitais, unindo arte e ciência.

11
Capítulo 1

A Ciência e o que podemos esperar


de um Robô Investidor

12
Quando recebemos um presente, desses com papel de embrulho,
dentro de uma caixa, como da Figura 1.1, imediatamente disparam as
linhas de pensamento de um modelo oculto em nosso cérebro, que
alguns cientistas definiriam em última instância como curiosidade.

Esses pensamentos, ou algoritmos orgânicos, se assim posso definir,


não englobam apenas a lógica matemática de inferência, e portanto
nossos neurônios, mas desafiam questões emocionais e nos remetem
muitas vezes ao passado.

Figura 1.1 – Explorando o pensamento e a curiosidade natural

Dessa forma, se aprofundarmos as múltiplas análises que esse modelo


em nosso cérebro é capaz de fazer, talvez seja possível escrever uma
tese de doutorado – ou ainda um outro livro como esse - apenas para
delinear as mais variadas situações e processos envolvidos por
pensamentos no ato de descoberta, pois são ilimitadas as
possibilidades de inferência que podem nos levar ao encontro da

13
verdade, em uma complexa rede de cruzamento de dados e
processamento de informações que irão colocar à prova nossa
capacidade de imaginação.
E o modelo de curiosidade natural em nosso organismo se apressa em
descobrir, o quanto antes, o conteúdo daquela caixa.

Isso se de fato ela nos desperta esse interesse, o que nem sempre
pode acontecer, pois essa reação dependerá de outros fatores
tipicamente naturais, como atenção, interesse, motivação, etc, que
não estou considerando nessa abordagem, para simplificar o
entendimento do contexto.

Mas, seja como for, de alguma forma nossos pensamentos irão


combinar Arte e Ciência para buscar uma resposta.

Nesse ponto, é importante perceber que a velocidade de


processamento de dados e informações do modelo de curiosidade
humana talvez seja superior a qualquer máquina existente hoje, ou até
mesmo a união delas em rede, afinal não temos um parâmetro
quantitativo confiável para comparação.

Ou seja, não podemos subestimar a capacidade imaginativa de nosso


cérebro para compilar as mais variadas hipóteses em um volume e
velocidade absurdos.

Por exemplo, podemos ter a reação de segurar a caixa, para testar seu
peso, buscando montar uma parte do quebra-cabeças que nossa rede
de neurônios está buscando modelar, em frações de segundos, pois
esse dado pode gerar uma informação que permita eliminar algumas
ou diversas possibilidades do que realmente é o presente.

O modelo de curiosidade
Quando exercitamos esse processo de imaginação, é natural que nosso
modelo de curiosidade passe a criar hipóteses, de forma automática,

14
em busca da verdade, que, por exemplo, pode ser a que mostra a
Figura 1.2, ou seja, simplesmente uma bola de basquete.
Uma bola dentro de um cubo? Sim, exatamente, por que não? Ah, não
tinha pensado nessa hipótese, é uma frase que ouvimos bastante no
dia a dia.

Encontrar a resposta correta certamente dependerá da qualidade das


hipóteses, mas, assim como no mercado, muitas vezes, apenas abrindo
a embalagem para termos certeza do conteúdo dela.

Figura 1.2 – Os caminhos de Arte e Ciência até a descoberta na vida


real

Quando um trader analisa o passado, de alguma forma ele está


fazendo exatamente esse processo de seguir uma linha de
pensamentos buscando a validação de suas hipóteses, e estarei
analisando isso mais a fundo quando estudarmos mais as questões de
descoberta de uma boa Estratégia e Setup automatizado.

15
No mercado, entretanto, nem sempre existe apenas uma resposta
correta, uma vez que ela pode estar dividida em várias camadas,
muitas delas não aparentes.
Dessa forma, o mais relevante é visualizar uma das camadas que possa
de fato impactar em nossas decisões.

Evidentemente que quando é possível ver a verdade por completo, a


qualidade de nosso processo decisório é muito maior.

Porém com uma informação incompleta, mas verdadeira, por


exemplo, podemos proteger uma posição aberta, atuando em sua
perda máxima ou realizando um lucro parcial.

Criatividade e Imaginação

Computadores e máquinas podem facilmente transformar dados em


informações, porém o combustível inicial ainda é o campo das ideias
de seus criadores.

Portanto, para atingir níveis de pensamento que conduzam às sinapses


corretas e à informação verdadeira, o caminho inicial pode ter sido
exatamente nossa criatividade e imaginação, envoltas muitas vezes de
aspectos artísticos, e que poderão apontar para determinado cenário
de mercado que, mais cedo ou mais tarde, poderá nos surpreender.

E, sem dúvida, vencer ou bater o Mercado, como alguns preferem


dizer, dependerá muitas vezes da qualidade de nossa criatividade e
imaginação.

O conceito dos Robôs Investidores

Mas até que ponto uma máquina ou algoritmo poderá imaginar ou


criar hipóteses dessa forma?

16
A realidade é que a Ciência busca cada vez mais formas de endereçar
problemas assim, para as mais variadas aplicações e através das mais
avançadas tecnologias de Computação Cognitiva, que assim como a
área de Ciência de Dados, são alguns dos alicerces para novos
paradigmas de Inteligência de Máquina.

Especificamente nas áreas de Mercado Financeiro e Mercado de


Capitais, essas máquinas são identificadas como robôs, pois podem
operar de forma automatizada, atuando como traders ou investidores,
nos mais variados graus de liberdade de decisão.

Para efeito de simplificação, nesse livro essas máquinas todas serão


identificadas por apenas um nome: Robôs Investidores.

O conceito desse tipo de robô busca englobar toda e qualquer classe


de algoritmos de finanças quantitativas e sistemas operacionais
automatizados, como por exemplo as tarefas executadas por trading
systems, expert advisors ou, ainda, robôs traders, nas mais variadas
frequências.

Os robôs e a pergunta que não quer calar

Dessa forma, posso remodelar a pergunta que não quer calar, quando
queremos encontrar caminhos de digitalizar a Arte do trader e
investidor, para simplificação de ideias, como sendo a seguinte.

Até que ponto os Robôs Investidores podem imaginar e criar hipóteses


para o comportamento do mercado, de forma similar ao gestor
humano?

E a resposta é que, embora esse seja um problema de complexidade e


incerteza infinita, a Ciência avança continuamente na busca de
modelos quantitativos para tudo que exista na natureza, e também
fora dela.

17
A Ciência irá encontrar um meio de se unir a Arte.

Em outras palavras, se o gestor humano consegue, em tese, criar,


imaginar ou fazer algo, a Ciência, mais cedo ou mais tarde, criará
modelos similares, para conseguir também.

Dessa forma, considero que é melhor esperar que um Robô Investidor


possa, de fato, modelar até mesmo o processo de curiosidade humana,
ou, para ser mais preciso, de todos demais em nosso cérebro que
envolvam imaginação e geração de hipóteses.

Mas a realidade é que a qualidade dessa modelagem ainda se mostra


maior quando é feita de forma supervisionada, ou seja, sem
autonomia e através de comando e decisões humanas.

No meu dia a dia como pesquisador e consultor, procuro encontrar


formas de mudar esse jogo de forma favorável para a máquina, ou
seja, meios de transformar aspectos intuitivos dos gestores humanos,
de forma automática, em sistemas quantitativos capazes de
continuamente buscarem hipóteses realistas de mercado.

E acredito bastante na força de criação de laboratórios


especificamente para esse objetivo.

Mas, no meu entender, o estado da arte, a menos que alguém revele


alguma tecnologia com capacidade similar ao processo de imaginação
humana, o que pelo menos na comunidade científica eu desconheça,
os algoritmos ainda são muito dependentes da Arte na sua forma mais
original, que podemos definir como o próprio arquétipo.

O arquétipo e o estado original

O conceito de arquétipo foi criado por Carl Jung, discípulo de Freud,


para descrever as imagens primordiais, através do processo repetitivo
de várias gerações e extraídas do inconsciente coletivo.

18
A descoberta e identificação desse estado original, onde
provavelmente reside de fato a verdade dos padrões e
comportamentos no Mercado de Capitais é ainda uma competência
essencialmente humana, ou seja, de traders, investidores e gestores,
quem sabe realizada unicamente através de um processo de extração
como descrito por Jung.

Na prática, muitos dos paradigmas de operação, vários deles


encontrados na Análise Técnica, nada mais são que uma constatação
consciente e inconsciente da lógica e racionalidade do movimento dos
preços dos instrumentos financeiros.

E ai está a origem da causalidade de sua eficácia operacional e, muitas


vezes, da formação de novos padrões puramente quantitativos.

Nesse nível de complexidade, que supera de forma evolutiva cada vez


mais a inteligência de um único investidor, supor que podemos de
alguma forma sintetizar em linguagem de máquina a realidade descrita
anteriormente para o arquétipo, mesmo com todo arsenal de
tecnologia que dispomos hoje, ainda mais sem a base de consciência
dos sistemas para isso, me parece no mínimo ‘forçar a barra’.

O mais realista, a meu ver, é preparar nossos Robôs Investidores para a


real possibilidade de um dia as máquinas realmente serem os únicos
traders e investidores confiáveis, diante de um mercado infinitamente
complexo.

Imaginando os Cenários de Mercado

Talvez a melhor forma de estudar os limites de um Robô Investidor


seja tentar, de alguma forma, buscar modelos que imitem o processo
de imaginação humana, e que possam ser codificados na forma de
algoritmos.

19
Como exercício, para facilitar essa busca, e usando o exemplo
apresentado, imagine que a caixa de presente nada mais é que um
novo cenário de mercado, que começa a ser desenhado na tela de
nosso computador ou projetado em nossa mente.

Naturalmente, novos modelos em nosso cérebro, talvez até similares


ao da curiosidade, irão buscar, de alguma forma, tentar entender e
identificar o conteúdo desse cenário, com seus atores e
comportamentos que carregam novos riscos e oportunidades.

Entretanto, nem sempre será possível identificar o presente ou o


cenário real.

Uma máquina terá essa mesma dificuldade, e não é por menos que os
gestores humanos irão buscar apoio nas mais variadas ferramentas
tecnológicas para conseguir minimizar os erros de análise.

E, dentro desse arsenal tecnológico, a velocidade de comunicação


exerce um fator cada vez mais relevante.

A união das Ideias e Artes

As ideias e Artes estão em constante evolução, e a digitalização delas


permite que isso aconteça de forma cada vez mais rápida.

20
Figura 1.3 – Efeitos das Redes Sociais e Inteligência Coletiva

Ou seja, não esqueça que, como mostra a Figura 1.3, e como diz o
velho ditado, duas cabeças pensam melhor que uma – pelo menos se
considerarmos os fatores quantitativos e estatísticos.

E, da mesma forma que o crescimento da Internet permite criar


máquinas com potencial extremamente maior, ela também abre as
portas para a expansão da Inteligência Coletiva e propagação de
informações em rede.

Lembre-se também que no Mercado de Capitais, o tempo é uma


variável extremamente preciosa, mesmo quando estamos falando de
frações de segundos.

Como mostra a Figura 1.2, para chegar na verdade, talvez seja


necessário imaginar uma hipótese que nos conduza ao caminho certo,

21
por mais paradoxo que esse seja, como por exemplo uma caixa
contendo uma esfera.

Mas como o tempo é limitado, e o número de possibilidades de análise


tende ao infinito, será necessário buscar modelos heurísticos, ou seja,
não ótimos, mas que permitam chegar próximo, ao menos, da
hipótese verdadeira.

Na área de finanças chamamos esses modelos de estocásticos, pois


estão limitados a uma pequena amostra da realidade, como é também
a realidade dos modelos heurísticos.

Se compararmos com a realidade de mercado, o mais provável é que a


verdade só se revele quando olharmos para o passado, o que já será
tarde para qualquer trader ou investidor.

Os limites da evolução

Mas até que ponto a Ciência e a tecnologia podem nos ajudar a


visualizar, dentro da misteriosa caixa do mercado, o seu verdadeiro
conteúdo?

Ou seja, poderá uma máquina, baseada em modelos matemáticos e


quantitativos, nos ajudar nesse processo de descoberta?

Ou ainda, poderá a mesma máquina fazer de forma autônoma essa


atividade, antes mesmo que nosso modelo de curiosidade natural
tenha alguma noção de que o novo cenário está se movendo para
desafiar nossa realidade?

Note que as respostas para essas questões estão em constante


evolução, e o que parece absurdo hoje pode ser o paradigma de
amanhã.

22
Portanto, não considere minhas respostas nesse livro como a verdade
absoluta e permanente, como seria a bola de basquete no exemplo da
Figura 1.2.

Mas para chegar mais perto dessa realidade, acredito ser fundamental
entendermos o cenário atual da tecnologia e ferramentas de análise
de mercado, como por exemplo a realidade dos sistemas de
aprendizado profundo das plataformas de algoritmos e seus resultados
cada vez mais relevantes nas mais variadas áreas.

Nesse sentido, percebo que um dos maiores limites da evolução


tecnológica dos Robôs Investidores está na sua velocidade de
disseminação de boas ideias, uma vez que, de forma diferente de
outras áreas, onde existe um processo colaborativo, na área de
finanças enfrentamos uma competição muito grande por informações,
muitas vezes até de forma desleal.

O resultado dessa competição é que a evolução caminha em frentes


isoladas, onde quanto maior o sucesso da descoberta menos ela é
disseminada.

Em outras palavras, a velocidade de evolução se mostra como um dos


aspectos mais desafiadores para a construção de Robôs Investidores
realmente eficazes e competitivos.

O impacto do aprendizado profundo no mercado de capitais

Com o crescimento e recente sucesso da utilização de sistemas de


aprendizado profundo, ou deep learning, para a solução de problemas
computacionais complexos, nas mais variadas áreas, surgem
naturalmente expectativas sobre o impacto dessa tecnologia no
mercado de capitais.

23
Eu defino essa evolução como o impacto do Deep Learning na
capacidade de unir Arte e Ciência, como mostra a Figura 1.4.

Ou seja, nenhuma evolução, humana ou da máquina, deve ser


considerada mais de forma isolada, apesar das limitações que elas
apresentam e, por mais paradoxal que pareça, justamente por elas.

Figura 1.4 – Impacto do Deep Learning unindo Arte e Ciência

24
Muitos dos algoritmos atuais dessa tecnologia nem são tão novos, já
tendo sido testados e tentados no passado, com maior ou menor
sucesso, através das redes neurais artificias e diversos sistemas de
inteligência de máquina.

Mas é indiscutível a vantagem competitiva dos computadores atuais e


sua capacidade de processamento paralelo, armazenamento,
conectividade e troca de dados sem precedentes, abrindo as portas
para a validação de teorias do passado.

Dessa forma, modelos que necessitavam de um ambiente adequado


para prosperar encontram hoje um terreno fértil de evolução
tecnológica, comprovado nas mais variadas áreas.

A evolução das redes neurais artificiais

As avançadas arquiteturas de computadores, muitas delas utilizando


estruturas livres de software e hardware, permitiram a construção de
redes neurais artificiais (RNAs) de alta complexidade, muitas delas
seguindo os mesmos princípios dessa área criados a partir da década
de 1940, onde busca-se um formalismo matemático e o
desenvolvimento de algoritmos de aprendizado artificial, ou ainda,
formas de criar programas de computador capazes de desempenhar
tarefas de forma inteligente.

Os modelos de aprendizado profundo atuais permitem a criação de


sistemas que emulam neurônios com as mais diferenciadas estruturas,
buscando replicar o processamento de nosso cérebro para a solução
de problemas dos mais simples aos mais complexos.

25
Figura 1.5 – Solução de problemas através de redes neurais artificiais

Entre esses problemas, destacam-se a detecção de padrões para


processamento de linguagem natural, algo tipicamente fácil para um
ser humano e ainda extremamente complexo para máquinas.

Também em diversas áreas do conhecimento onde os problemas


podem ser modelados em estruturas compatíveis com o aprendizado
profundo, como na solução de problemas, representada de forma
gráfica na Figura 1.5, e que vão desde jogos até solução de problemas
complexos de análise, novos resultados surpreendem os cientistas a
ponto de várias previsões otimistas em relação à tecnologia
repercutirem cada vez mais na mídia.

26
O impacto no mercado de capitais
O aprendizado profundo tem sido cada vez mais testado na construção
de algoritmos para finanças quantitativas, destacadamente em trading
systems e os mais variados modelos operacionais automatizados.

Um dos pontos fortes dessa tecnologia aplicada ao Mercado de


Capitais é a capacidade de buscar soluções para os problemas de
forma similar aos gestores humanos, uma vez que os modelos de
neurônios artificiais podem ser baseados nos mesmos princípios que
resultam em decisões na área, inclusive nos aspectos emocionais,
como emoções, medo, dúvida, etc.

Note que, como já frisei anteriormente, não estou falando aqui em


qualquer modelo de identificação consciente de padrões. A
consciência, no caso, está na mente do investidor.

Mas as finanças quantitativas focam em resultados, e o aprendizado


profundo é apenas um modelo estado da arte da Computação
Cognitiva que pode atuar como uma ferramenta para atingir esses
resultados.

A força está portanto nos resultados da união de Arte e Ciência e não


na substituição de uma ou outra.

Em uma comparação grosseira, não é muito diferente a força da união


do fogão com o forno de micro-ondas, que atuam de forma
complementar, como ferramenta para o Chef de cozinha.

Está claro, portanto, que por mais avançada que seja a tecnologia de
redes neurais artificiais, o Robô Investidor ainda é apenas mais uma
dessas ferramentas à disposição do gestor.

27
Mas, independentemente das limitações atuais, descritas
anteriormente, será que em breve as máquinas e trading systems com
uso intensivo de aprendizado profundo irão dominar o mercado?

Bem, essa é uma outra questão e uma pergunta que ouço


seguidamente, quando apresento e descrevo esses conceitos.

Se compararmos com outras áreas, onde essa tecnologia tem


avançado, a resposta lógica é sim.

Mas se levarmos em conta a real complexidade da operação


automática no mercado, a resposta pode não ser tão direta.

E isso acontece pelo fato de o problema a ser resolvido, que poderia


ser denominado de eficácia na decisão de trade, ser, em tese, de uma
complexidade infinita.

O desafio da detecção rápida de padrões, em todas as áreas

Apesar de algoritmos de deep learning poderem aprender a detectar


padrões em imagens tão bem como o ser humano, ou ainda jogar
Xadrez ou Go melhores que nossos campeões, quando se trata de
decisões que envolvem um futuro com um número incerto de variáveis
e estados, típico do problema de operação no mercado, as máquinas e
seus modelos passam por dificuldades similares aos gestores.

A realidade que qualquer algoritmo tem que enfrentar, quando se


trata da área financeira, é que quanto mais estudamos o passado e
seus dados, mais aprendemos e descobrimos padrões.

Entretanto, quando buscamos identificar no futuro o aprendizado


necessário para nossa sobrevivência no mercado, parece que o efeito
contrário é o que prevalece, ou seja, descobrimos cada vez mais
formas de perder e estarmos vulneráveis em nossas posições.

28
Em outras palavras, quanto mais olhamos para o mercado futuro de
forma competente e realista, mais identificamos a complexidade de
ameaças e oportunidades que poderão impactar nossas decisões.

E talvez esteja ai a beleza do mercado, com o interminável desafio de


tudo mudar a qualquer momento para novos padrões, ou até mesmo o
caos total.

Quem irá dominar o mercado

Acredito que os algoritmos, cada vez mais inteligentes, vieram sem


dúvida para desafiar até mesmo a precisão da previsão do futuro.

Desde coisas muito simples, como processos de regressão linear para


geração de informações de forecasting até modelos avançados de
construção e monitoração ou acompanhamento de cenários futuros.

Mas, afinal, quem irá dominar o mercado?

Tudo indica que são as máquinas, mas é bom não subestimar o


potencial e experiência dos gestores humanos, principalmente para
sintetizar e analisar rapidamente as variáveis mais relevantes, o que
ainda poderá ser necessário evoluir em várias tecnologias atuais para
ser realizado de forma tão eficiente nas máquinas que se propõe a
superar esse desafio no futuro.

Mas, afinal, qual a capacidade que se pode esperar dos Robôs


Investidores?

Tão infinita, como a do gestor humano.

Ou seja, um ciclo evolutivo sem fim.

29
Robôs Investidores e o Big Brain
Acredito que uma das maiores contribuições para a Ciência dos Robôs
Investidores esteja na formação de um Big Brain, que é um conceito
que apresento como a união de dois conceitos fundamentais para a
àrea de ciências cognitivas: o Big Data e a Internet das Coisas (IoT).
Na verdade apresento e utilizo em meus robôs o Big Brain como uma
arquitetura universal para a modelagem de qualquer sistema
automatizado e autônomo, baseada no funcionamento de nosso
cérebro, e podendo ser utilizado em qualquer tipo de robô para o
Mercado de Capitais ou em outras áreas de conhecimento.
O principal conceito de Big Data, e que diferencia do Data tradicional,
foi o apresentado por Doug Laney da consultoria Gartner [8], no artigo
‘3-D Data Management: Controlling Data Volume, Velocity and
Variety’. A ideia dos 3 Vs, e gestão tridimensional dos dados,
envolvendo volume, velocidade e variedade – como os tipo de dados,
por exemplo texto, vídeos, etc. – se mostra cada vez mais correta,
tendo sido agregadas ainda duas outras dimensões, veracidade e valor,
para formar os 5 Vs do Big Data [9].
Ou seja, talvez a melhor forma de definir o que é o Big Data seja
endereçar ao mesmo tempo esses 5 Vs – volume, velocidade,
variedade, veracidade e valor – de forma realmente eficaz, o que no
meu entender, consiste em criar sistemas mais inteligentes e com
melhor qualidade de tomada de decisões. E se isso é verdade, talvez o
próprio conceito de Big Data perca o sentido se não evoluir para um
novo conceito, que chamo de Big Brain, onde o valor e a eficácia de
todos Vs do Big Data é traduzido na criação de um grande cérebro
inteligente.

30
Figura 1.6 – Data x Big Data para os Sistemas

Mas como transformar o Data, e o Big Data, ainda mais com o grande
volume de dados adicionado pela Internet das Coisas – ou IoT (Internet
of Things) – no Big Brain?
Essa é a pergunta que iremos buscar responder nesse livro, com
diversas arquiteturas, começando inicialmente pela separação de Data
e Big Data, com um modelo similar ao que considero ser feito em
nosso cérebro, como mostra a figura 1.6. Afinal, se queremos buscar o
Big Brain, e temos um modelo operacional do nosso cérebro cada vez
mais aberto e conhecido, graças às pesquisas das mais variadas áreas,
destacadamente as de neurociência, é lógico que buscar modelos
similares irá acelerar anos de evolução para nossos algoritmos,
principalmente se esse Big Brain for operacionalizado como parte de
um sistema mais complexo, que é o de um robô.

31
Figura 1.7 – Data x Big Data para as Coisas

Na arquitetura que proponho, como base para formação do Big Brain,


busco separar os dados e processamento em duas camadas, como
acontece de forma similar em nosso cérebro, com o processamento
consciente e inconsciente. No caso, o processamento de Big Data
estaria focado exclusivamente na produção de inteligência a partir dos
dados, entregues diretamente para o processamento de Data. Na
prática, não há nenhuma regra ou compromisso que a inteligência
produzida pelo processamento de Big Data se transforme em
informações relevantes para os sistemas que irão, de alguma forma,
consumir essa inteligência. O relevante mesmo é que ela seja
permanentemente produzida, sem nenhuma perda de dados de
entrada para isso.

32
Outro ponto relevante da arquitetura é a análise de toda e qualquer
entrada de transações, seja já diretamente no formato de dados
estruturados, seja em formatos variados, como previsto pelo V de
variedade do conceito de Big Data. Esse processamento de Big Data,
desde o tratamento de dados primários até a produção e análise de
informações, com formação de regras de inteligência, deve ser um
processo contínuo, sem interrupções, qualificando cada vez mais o
processamento de Data, que seria a área mais nobre da arquitetura,
com limitações bem maiores de recursos.
Além disso, a ideia é permitir que a interface com os tradicionais
sistemas e dispositivos de mercado possa ser feita para qualquer coisa,
como por exemplo um automóvel, na figura 1.7. Ou seja, a mesma
arquitetura válida para a interface com um computador ou servidor,
ou ainda um smartphone ou tablet, deve ser válida para a interface
com qualquer outro objeto, desde que obviamente esse possua
alguma comunicação com o processamento de Data.
A possibilidade de adotar a mesma arquitetura para qualquer Sistema
ou Coisa, ou Tudo, como refiro no título do capítulo, com exatamente
a mesma interface e protocolos, abre as portas para a máxima
aquisição de dados, informações e inteligência do ambiente externo
para o processamento de Data ou Big Data, e, como veremos mais
adiante, como substrato para formação do Big Brain.

Unindo Big Data e Internet das Coisas


O potencial da união de Big Data e Internet das Coisas é ilimitado,
principalmente pelo crescimento da quantidade e qualidade de
sensores, cada vez mais diferenciados dos dispositivos existentes.
Em termos de Big Brain, podemos considerar que os sensores de
ambiente agregam níveis de consciência ao cérebro artificial, que é um
dos problemas mais complexos de dimensionar e endereçar na área de
inteligência artificial. E, sem dúvida, é necessário pensar em
arquiteturas escalares a ponto de explorar a quantidade de sensores

33
que podem ser agregados aos sistemas de inteligência distribuída
baseados em Big Data.
Por exemplo, supondo apenas um veículo na figura 1.7, e a partir do
momento que é conectado à internet, o volume de dados que poderá
ser transmitido em tempo real irá depender basicamente da limitação
de conexão, pois a quantidade de sensores em uma automóvel pode
ser muito grande. E, se temos milhões de veículos com a mesma
tecnologia, imediatamente o problema de tratamento desse volume
passa a ser ter capacidade para processar volumes gigantescos de
dados, que é justamente o objetivo de existir um Big Brain, com
capacidade de análise dos dados, em qualquer dimensão,
constantemente.
Em tese, o grande desafio do Big Data, antes de qualquer análise, é
não perder nenhum dado, ou, dentro do possível, minimizar essa
perda, mantendo eles para sempre. Mas, na prática, o grande desafio
de Big Data juntamente com a Internet das Coisas, é a capacidade de
transferência de dados e transações em tempo real, que envolve todo
o processo de coleta, principalmente pelos custos associados aos
meios de transmissão móveis. Ou seja, de nada adianta ter sensores de
alta capacidade de coleta de dados e transações, se não temos tempo
suficiente para transmitir eles para os sistemas remotos.

Inteligência em tempo real para o Big Brain


Os robôs, máquinas essenciais para a criação do Big Brain, abrem as
portas para a inteligência em tempo real, tanto para eles próprios
como para nós, humanos, através das tecnologias de inteligência
aumentada e inteligência artificial.
No mercado financeiro as decisões são tomadas pelos robôs em
tempos cada vez menores e já abaixo de um milissegundo, com limites
determinados cada vez mais pela própria velocidade da luz. E são
decisões que podem envolver milhões de reais.

34
Da mesma forma, através das tecnologias de RPA ou Robotic Process
Automation e SPA ou Smart Process Automation, vários ajustes e
definições de regras de negócio das empresas nas mais variadas áreas
são feitos também cada vez mais em tempo real. Como, tipicamente,
as decisões de comércio eletrônico e de análise de crédito.
Na prática, a inteligência humana se torna cada vez mais impactada,
criando novos paradigmas como a inteligência aumentada e a
inteligência acelerada, que é a que proponho na minha teoria do
tempo ao quadrado, e da própria inteligência ao quadrado.

Os riscos da decisão em tempo real


Evidentemente que, como toda nova tecnologia de ruptura, existem
diversos riscos em decidir em tempo real, como no passado existiam –
e ainda existem – os riscos de transações em tempo real na internet,
como no caso do comércio eletrônico e do homebanking, das gerações
passadas de tecnologia da informação.
Mas esses riscos devem ser vistos como mais problemas a serem
endereçados pela Tecnologia da Inteligência - a nova TI -, e justamente
essa é uma de suas responsabilidades. E uma das formas de minimizar
os riscos é através do controle de falhas e erros dos robôs,ou seja, com
sistemas de tolerância a falhas que sejam capazes de deixar as
máquinas mais resilientes para essas situações, que fatalmente irão
acontecer, nos níveis de complexidade que se espera para o Big Data e
Internet das Coisas.

O poder da execução flexível


Os robôs permitem as mais variadas abordagem de execução dos
processos, com capacidade inclusive de gerenciamento de outros
robôs, como vimos anteriormente.
E essa flexibilidade acontece desde a execução de processos e
projetos, até a sua configuração e definição de arquitetura de
servidores e sistemas para seu correto funcionamento.
35
Além da centralização e padronização dos processos, e da redução de
custo e aumento da produtividade, a disseminação do uso de robôs na
execução de processos e projetos pode representar uma série de
outros benefícios de mercado que podem ser identificados através do
uso de gráficos exibindo as dimensões de tempo: robôs x humanos.
Na prática, deve-se buscar migrar as atividades do eixo dos humanos
para atividades do eixo dos robôs, sem comprometer a qualidade
anterior, o que nem sempre é possível.

Exemplo de Robô Investidor com Big Brain


Uma das grandes oportunidades da Ciência para Robôs Investidores
está na possibilidade de buscar oportunidades invisíveis para outros
investidores, em baixa frequência. Na verdade a maior parte dos
investidores busca isso apenas pela análise gráfica, de preços e
volumes, e a grande vantagem competitiva dos robôs para isso está na
utilização do Big Brain, ou seja, toda a rede de percepção de mercado,
através de Big Data e Internet das Coisas, como no exemplo a seguir.
Um robô para busca de oportunidades invisíveis em baixa frequência
O objetivo desse robô é buscar novas formas de inteligência de
mercado para investidores que não sejam de fácil identificação por
outros investidores, proporcionando uma maior vantagem competitiva
e de análise e de novas oportunidades de investimento.
Na figura 1.8 podemos ver mais detalhes desse robô, e de como ele
busca se antecipar aos movimentos da economia utilizando a
inteligência de frequência de voos em determinada região ou país.
Inteligência de frequência de voos
Para isso deverá existir um robô R1 integrado com algum sistema
público ou privado, mediante assinatura de API, para coleta de todos
os voos em andamento na região que se está amostrando.

36
Não é responsabilidade do robô R1 o processo de análise dos dados,
ou produção de informações e inteligência, sendo essas as
responsabilidades do robô R2, também representado na figura 1.8.
Inteligência de detecção de ciclos econômicos
O robô R2 deverá buscar identificar as tendências de voos em cada
país ou região que o investidor desejar monitorar, como mostra o
objeto O2, de forma a produzir tendências econômicas, como por
exemplo identificar países que estão com cenários de entrada ou saída
de períodos de recessão.

Figura 1.8 – Busca de oportunidades invisíveis em baixa frequência

37
Para isso, deve registrar em uma base de dados como o objeto O4
todo o histórico de voos recebido do robô R1.
Inteligência de compra e venda de ações de forma automática
Através de um terceiro robô R3 deve ser possível também a
automação das operações de compra e venda de ações de acordo com
a detecção de ciclos econômicos, em alinhamento com outras análises
técnicas ou fundamentalistas programas nesse robô R3.
Por exemplo, o robô R2 poderá detectar que determinado país começa
a apresentar uma curva de reversão de tendência de um cenário de
crise econômica, confirmando essa informação com o robô R3, através
de análise técnica, sobre os gráficos de preços e volumes de
determinados ativos que compõe o principal índice de mercado do
país.
Dessa forma, o robô R3 poderá executar a compra dessas ações,
buscando uma antecipação de visão do momento de alta antes dos
demais investidores.

38
Capítulo 2

A Arte e os limites que iremos enfrentar

39
Mesmo a Arte tem limites, como a fronteira do conhecimento, na
ciência.

Não estou dizendo que são limites estáticos ou intransponíveis, mas


são os limites da foto do momento.

E uma forma de romper esses limites chama-se de extrapolação.

Por exemplo, quando extrapolamos o processo de descoberta para o


Mercado de Capitais, podemos considerar que a imaginação irá nos
ajudar a produzir cenários no passado, presente e futuro, como mostra
a Figura 2.1.

Figura 2.1 – Extrapolação dos caminhos de Arte e Ciência até a


descoberta no Mercado

Evidentemente a Ciência tem muito a contribuir para a extrapolação


através da modelagem de hipóteses, principalmente através da
construção de cenários.

40
Mas é justamente a Arte que permite a expressão de nossas
qualidades mais abstratas, como a criatividade, que é o combustível
essencial para a própria imaginação, e que poderá contribuir para a
visualização desses cenários.

De automação de ordens à inteligência de máquina

A utilização de Robôs Investidores no mercado internacional já está


consolidada e disseminada a muitos anos.

No Brasil, principalmente nos últimos anos, essa tendência também


começa a chegar com força, embora ainda exista grande confusão de
conceitos e oferta de soluções focadas exclusivamente na automação
de ordens.

Note-se que nas plataformas internacionais, a simples automação de


ordens já é feita a mais de quinze anos, o que prova o quanto ainda
temos que evoluir nessa área.

Para entender o potencial dessa tecnologia, tente imaginar a visão de


futuro em padrões humanos sendo modelada em algoritmos
computacionais e competindo de igual para igual como qualquer
investidor.

Considero a visão do investidor como a vantagem competitiva mais


complexa de ser transformada em sistemas computacionais, mais
especificamente em trading systems.

O desafio da modelagem da visão

O processo de visão exige do gestor níveis de inferência e imaginação


de alta complexidade, principalmente em cenários de grande
incerteza.

41
Não estou falando apenas de visão do passado, afinal conheço diversos
traders bem sucedidos em simulações e backtesting. Mas sim em visão
de futuro.

Evidentemente se para o gestor humano esse processo de visão já é


complexo, para a máquina e seus algoritmos, modelados por
programadores, as dificuldades não são menores.

A descoberta de um modelo que facilite a visão, como uma referência


no exemplo, nem sempre é um processo simples, embora hoje se
utilize a própria máquina na busca de ideias desse tipo.

No mercado internacional de câmbio, por exemplo, as moedas


poderão ser medidas em unidades relativas de tempo, de forma que a
soma de todas as moedas será igual a zero.

Assim, um dos elementos básicos da comparação e visão é uma linha


zero, ou linha de equilíbrio.

Se uma moeda está abaixo da linha de equilíbrio, considera-se estar


desalinhada em relação a outras moedas. Assim, se uma moeda está
muito acima da linha zero ela está sobrecomprada, e espera-se que
mais cedo ou mais tarde ela comece a desacelerar contra todas as
outras moedas, podendo atingir a linha de equilíbrio ou até mesmo
reverter para sobrevendida.

Em outras palavras, a proximidade de uma moeda da linha de


equilíbrio significa que a moeda está no estado de equilíbrio em
relação a outras moedas.

Essa mesma lógica vale em qualquer mercado, desde que escolhido


corretamente o grupo de instrumentos analisados e, claro, bem
implantados os algoritmos corretos.

42
E esses modelos que nos ajudam a melhorar a visão, migrando ela de
aspectos qualitativos para quantitativos, são um primeiro caminho
para a criação de algoritmos nos robôs.

Uma espécie de tradução da Arte em Ciência, o que não é algo


determinístico ou sempre possível, digamos assim.

Certo dia, por exemplo, após receber um alerta de um dos robôs que
utilizo, de que o Euro se encontrava justamente nessa situação,
quando comparado a várias outras moedas, e que no caso era de
sobrecomprado, fui checar a informação utilizando algumas
plataformas e sistemas próprios, apontando para a relação Euro/Dólar,
e, para minha surpresa, percebi que a maior parte das estratégias dos
robôs sob teste estavam também detectando a mesma situação de
sobrecomprado de uma forma ou outra.

Células artificiais de visão

Naquele momento considerei que o que aquele Robô Investidor me


encaminhou como o resultado de uma modelagem de visão, ou seja, a
máquina tentando prospectar de forma clara cenários futuros
utilizando situações não rotineiras para isso, e passei a modelar os
dados de forma a cada vez mais detectar e processar esse tipo de
informação como sendo praticamente células de visão.

Assim como a Arte tem liberdade de expressão de forma independente


do que a Ciência consegue explicar, também a Ciência busca encontrar
formas de modelar os processos cognitivos da criação e imaginação,
tão fortemente presentes no artista, para chegar a lógicas e modelos
que possam ser compilados em fatos e regras, que serão a célula
básica da inteligência artificial e computação cognitiva.

Considero isso como uma capacidade de a tecnologia trazer


informações em tempo real, não óbvias, após milhares de testes por

43
mineração dos preços e volumes dos ativos, que mudam
constantemente, tornando o problema ainda mais complexo.

Porém, para mergulhar nessa possibilidade e fazer ela acontecer, antes


de tudo você precisa acreditar que ela é possível.

Acreditar que de alguma forma será possível modelar os processos


cognitivos da criação e imaginação.

Aquele fato me fez acreditar nisso e concentrar esforços no


desenvolvimento de tecnologias para digitalizar esse conhecimento.

Hoje, com o feedback positivo de usuários de várias tecnologias


desenvolvidas, acredito cada vez mais que, quanto mais a informação
recebida de um robô é percebida como relevante e surpreendente,
mais perto os usuários estão de atingir o retorno de seus
investimentos, e que esse fato deixará cada vez mais de ser a exceção
para se tornar regra no mercado.

Minha sugestão para todos investidores que utilizam trading systems


em suas análises são as mesmas que proponho em uma nova escola de
investimento baseada em visão futura, que denominei de Escola da
Visão.

Na prática, isso significa modelar algoritmos e estratégias que se


adaptem às seguintes regras, consideradas as regras de ouro dessa
escola, e descritas a seguir:

Regra 1 – Sobre a antecipação


Não realize nenhum investimento, ou execute um trade, se não
tiver uma visão antecipada e um mapeamento completo dela
(construção do cenário e visão de futuro).

Regra 2 – Sobre a descoberta

44
Quanto mais raro ou imprevisível for o cenário previsto,
provavelmente maior será o seu lucro.

Regra 3 – Sobre a precisão


Quanto mais o cenário previsto estiver próximo da realidade
futura, provavelmente maior será o seu lucro.

Regra 4 – Sobre a velocidade


Quanto mais rápido for descoberto o cenário previsto,
provavelmente maior será o seu lucro.

Regra 5 – Sobre o risco


Quanto mais rápido for detectado que o cenário previsto não
está convergindo para a realidade futura, e consequentemente
modificadas as estratégias atuais, provavelmente menor será o
seu prejuízo.

Entretanto é sempre bom estar com os pés no chão, ou seja, não


pensar que trading systems ou Robôs Investidores de qualquer espécie
irão de alguma forma ou outra prever o futuro.

Assim como visão não é prever o futuro, mas a descoberta de um


possível futuro.

Na prática é possível adaptar robôs a vários tipos de regras,


provavelmente até mais complexas que as anteriores.

Mas na verdade, diante do alto nível de competitividade atual dos


mercados, acredito que futuramente a única forma de estar dentro
dessas regras será através de sistemas automáticos e inteligentes.

A percepção do robô como um sistema inteligente

Como você se sentiria se fosse definido por seu superiores, caso se


reporte para alguém, como mero executor de tarefas?

45
Assim como os gestores humanos, existe cada vez mais ‘vida
inteligente’ criando robôs.

E vivemos uma realidade onde Robôs Investidores são sistemas cada


vez mais inteligentes e autoadaptáveis, independentemente de serem
assim reconhecidos.

Mesmo que não sejam capazes de se autoajustarem, o que pode


acontecer dentro desse processo evolutivo, após configurados, através
de um ajuste personalizado ou Setup, podem operar de forma
totalmente independente do ser humano, ou, pelo menos, até os
limites emocionais desse.

Tomam decisões autônomas de investimento, como um piloto


automático, e portanto não são meros motores de aviões, a menos
que tenham sido assim limitados pelos seus programadores (o que no
caso é uma decisão de limitação deles).

Ou seja, possuem capacidade de análise de qualquer tipo de


informação de mercado - dados de preços, volumes, balanços, notícias,
imagens, áudios, vídeos, etc e são formados por diversas plataformas
de investimento - por exemplo plataformas com escolas de análise
técnica, escolas fundamentalistas, escola da visão, etc.

As plataformas, por sua vez, são formadas por sistemas operacionais


automáticos (automated trading systems ou ATS) dos mais simples aos
mais complexos, que por sua vez são formados por algoritmos, que por
sua vez são formados por lógicas, etc, etc.

Isso significa que uma operação automatizada não representa


necessariamente apenas o nível mais inferior de execução, mas pode
ser apenas o efeito prático de níveis bem superiores de abstração
tecnológica e estratégica.

46
Porém, e infelizmente, a maior parte dos investidores ainda não está
adaptada ao conceito de Robôs Investidores, porque está presa ao
paradigma de que robôs são capazes apenas de executar tarefas
mecânicas sem inteligência alguma.

No momento que se estuda a modelagem de visão nos algoritmos


quantitativos estamos avançado várias etapas para romper os padrões
de expectativa sobre a função final dos robôs no mercado de capitais.

A vantagem competitiva dos Robôs Investidores

A Arte impõe limites, mas sua superação poderá determinar diversos


modelos de vantagem competitiva, e por muitos anos.

Entretanto a Ciência, depois que encontra um modelo relativamente


confiável para traduzir a imaginação do investidor em um sistema,
parece não encontrar limites.

Na prática, se necessário, a tecnologia irá no máximo encontrar


barreiras técnicas, como a latência – uma das mais comuns nessa área.

Por exemplo, as limitações da velocidade da luz, como no caso de


comunicação entre o Data Center de uma corretora e o Data Center da
Bolsa de Valores.

Ou ainda os problemas de qualidade dos dados, sempre sujeitos a


falhas e erros de coleta e processamento.

Mesmo assim, são muitas as vantagens competitivas do uso da


tecnologia de Robôs Investidores, principalmente em momentos de
instabilidade e cenários de crise.

Os trading systems, por exemplo, são ideais para o mercado de alta


volatilidade e incerteza, pois podem operar com desenvoltura e frieza

47
tanto na ponta comprada (long position) como na vendida (short
position).

Infelizmente as regras do short position para BM&F, mercado futuro,


opções, etc, não são tão flexíveis e tão rentáveis como em outros
mercados mais evoluídos, porém se adaptar a regras é sem dúvida
uma tarefa fácil para qualquer sistema digital.

Essa desenvoltura não é tão fácil de ser entendida e utilizada pelo


investidor puramente humano, principalmente porque requer
disciplina e velocidade na tomada de decisão, e com isso os robôs e
algoritmos ganham terreno.

A nossa realidade como traders sistêmicos

As vantagem competitiva dos Robôs Investidores depende da


realidade de tecnologia de mercado nessa área.

Por exemplo, a entrada da plataforma MetaTrader 5 no mercado


brasileiro em 2014 trouxe novas oportunidades e desafios,
principalmente aos traders discricionários, até então a grande maioria,
devido ao absurdo atraso das plataformas então existentes para o
mercado BM&FBovespa.

Vários fornecedores também foram impactados pelo potencial dos


algoritmos, e hoje vemos produtos nacionais oferecendo ferramentas
automatizadas de análise de mercado e até mesmo, pasmem,
oportunidades de criação de trading systems, o que parecia distante e
somente um privilégio do mercado corporativo.

Mas o preço de começar muito atrasado no mundo da tecnologia é


acabar por queimar etapas. E a grande onda da operação com robôs,
no nosso cenário, ainda se mostra distante, tanto em termos
conceituais como tecnológicos.

48
Enquanto as maiores empresas nas principais potências na área de
algoritmos criam novos sistemas inovadores, ainda estamos focados
em automação e operação mecanizada.

Uma metáfora entre o arco e flecha indígena e o rifle dos primeiros


colonizadores dessas terras.

E esse atraso facilita a entrada de grandes players internacionais, pois


enquanto nossas ferramentas buscam, no melhor caso, o que sobrou e
apenas reagir rapidamente às mudanças, ou seja, a mecanização, a
inteligência estratégica dos líderes de mercado no segmento de robôs
cria sistemas cada vez mais competitivos.

Sim, sistemas, e não apenas ferramentas de mecanização ou


robotização, digamos assim. Afinal, a inteligência dos algoritmos já
evoluiu e muito bem antes de as plataformas compatíveis se tornarem
realidade por aqui.

Um bom exemplo disso é a mecanização do tape reading, como se


fosse possível enfrentar apenas com algoritmos combinacionais os
sistemas evolucionários de alta complexidade dos grandes players na
área.

Na prática, criamos um grande cassino digital, onde a sorte no disparo


dos algoritmos será o que irá determinar o sucesso.

Escapando do viés mecânico

Não por menos, a maioria dos usuários de técnicas e ferramentas com


esse viés mecânico, oscilam entre histórias de grandes ganhos e
grandes perdas, muitas delas sem explicação.

Ou ainda justificam o sucesso ou insucesso aos acertos e erros de sua


análise discricionária.

49
Já os grandes players, digitalizam sua visão estratégica, retirando
qualquer margem de erro das decisões emocionais.

Mais ainda, operam de forma totalmente automática, com a mínima


interferência do gestor humano nas decisões.

Se os algoritmos mais inteligentes de análise de fluxo de ordens estão


presentes a muitos anos nas principais soluções de operação em alta
frequência, sendo capazes de analisar volumes gigantes de
informações em tempo real em sistemas de alta complexidade e sem
qualquer traço de emoção, e essas não apresentam nenhuma garantia
de resultado, o que esperar das ferramentas operacionais mecânicas
nacionais?

Sistemas operacionais automatizados

Infelizmente, no Brasil, quando pensamos em sistemas operacionais


automatizados, encontramos um desafio e entendimento ainda longe
da maior parte dos traders e fornecedores.

É mais fácil criar a dicotomia do trader discricionário e mecânico para


justificar nosso atraso, falhas e erros no mercado de algoritmos.

Mas na realidade, o mercado mundial enfrenta a dicotomia do sistema


enfrentando o gestor, com cada vez maior competência, a ponto de,
daqui alguns anos, qualquer operação discricionária tangenciar os
limites da responsabilidade.

Mais do que nunca, precisamos mudar nossa visão e de mais robôs e


tecnologias com inteligência preditiva e sistêmica para enfrentar de
fato a evolução nessa área.

Embora a realidade seja que você encontrará poucos traders e


fornecedores comentando que o processo de decisão coletiva no

50
mercado de capitais é cada vez menos determinístico, ou seja, não
existe método, ferramenta, sistema ou gestor que possa garantir de
alguma forma qualquer centavo futuro para suas ideias, precisamos de
sistemas que sejam capazes de construir essa realidade para competir
de igual para igual com os grandes players internacionais.

Afinal, a verdade é que o problema de tomada de decisão, seja no


mercado de capitais, seja no mundo dos negócios das empresas,
possui infinita complexidade.

No meu entender, cabe aos sistemas quantitativos diminuir as


incertezas de forma automática e probabilística.

Como a Ciência nos ajuda a enfrentar o futuro, os sistemas e seus


robôs chegaram para competir fortemente.

Sei que esse é um caminho difícil, afinal muitos traders nacionais ainda
estão presos aos velhos paradigmas, lutando contra a tecnologia ou
trabalhando no lugar dela, uma vez que pouco se fala ou discute sobre
a verdadeira influência dos robôs e algoritmos no estado da arte nos
mercados internacionais.

Mas se você se encontra nessa situação, pare para pensar se não vale a
pena utilizar realmente a tecnologia para trabalhar para suas
operações, trazendo a liberdade necessária para você se preocupar
com o que realmente interessa.

Acredite, isso representa um cenário em que, mesmo operando no


intradiário, você irá confiar e ficar distante da máquina, apenas
observando seus resultados.

Quando os Algoritmos, Estratégias e Setups automáticos falham

Talvez esses algoritmos entrem em apuros, e aí sim sua presença se


tornará fundamental, mas essa deve ser a exceção, e não a regra.

51
E essa tecnologia ultrapassa o mecânico e vive nos sistemas
inteligentes e estratégicos, capazes de resolver e decidir de forma
automática e autônoma de forma cada vez mais rápida e precisa.

E, acima de tudo, capazes de modelar o processo visionário dos


melhores gestores humanos.

Visão, disciplina, precisão e velocidade

Dificilmente o ser humano chegará sozinho a ter todas essas


qualidades, ou seja, visão, disciplina, precisão e velocidade, mas
contando com o apoio de softwares robôs, essa será cada vez mais
nossa realidade.

Da mesma forma, dificilmente o Robô Investidor conseguirá chegar em


um nível de modelagem de Visão tão competente ao de um experiente
gestor.

E onde devem se concentrar nossos esforços, se estamos diante de


uma dificuldade dos dois lados: o do humano e o da máquina.

Ou ainda, qual desses lados devemos acreditar mais e dar preferência


para dedicarmos nossos esforços de aprendizado?

Nesse ponto, chegamos na lógica principal de união de forças que


proponho entre Arte e Ciência, na busca de aumento de
competitividade, e que permita gerar os resultados desejados, ou seja,
vencermos.

Mas ainda não entraremos nos detalhes dessa união, que é o foco do
próximo Capítulo.

Quero aqui, antes disso, me concentrar nas limitações da Arte,


principalmente quando aplicada aos Robôs Investidores.

52
Seria tudo muito fácil se o computador fosse uma máquina biológica,
ou seja, com processamento natural, como o ser humano.

Provavelmente discorrer sobre esses assuntos seria também


desnecessário.

Mas o que temos nas mãos, ainda, é um dispositivo de grandes


limitações, principalmente se comparado com o fantástico cérebro
humano.

E talvez esse mesmo dispositivo nunca chegue nem próximo a ele,


como profetizam alguns gurus da Computação Cognitiva e Inteligência
de Máquina.

A camada mais abstrata dos robôs


Até hoje, muitas das técnicas que fizeram sucesso no passado ainda
são utilizadas por traders e algotraders nos mais diversos mercados.
Isso porque tanto na análise técnica, como fundamentalista, e, mais
recentemente, quantitativa, existem princípios operacionais que
parecem sobreviver ao tempo, como por exemplo as técnicas de
detecção de rupturas ou breakouts.
Na verdade, muitas dessas técnicas já misturam Arte e Ciência (Figura
2.2), pois o futuro é sempre incerto, mas quando olhamos para o
passado, é necessário encontrar uma lógica para os acontecimentos,
por mais improvável ou absurda que ela fosse, quando ainda estava
orbitando apenas na esfera das possibilidades.

53
Figura 2.2 – Técnicas que misturam Arte e Ciência

Ou seja, o processo de reconhecimento e modelagem da Arte dentro


de modelos operacionais não é uma novidade.
Mas a sistematização ou o processo de fazer isso de forma sistemática,
e por que não autônoma, é a barreira a ser transposta pela Ciência.
Para melhor entendimento do que eu quero dizer, imagine-se como o
piloto de um grande avião, onde é possível decidir entre pilotar
tomando todas decisões ou simplesmente ativar um piloto
automático.
Em termos práticos, sua decisão estará entre a Arte de pilotar e a
Ciência de pilotar, pois se as decisões forem totalmente discricionárias
você estará conduzindo o avião no máximo nível de influência humana,
e se forem totalmente automatizadas, no mínimo nível.
Não por acaso, é esperado que o piloto automático seja ativado
apenas em momentos onde os riscos sejam menores, como por

54
exemplo se as condições climáticas são favoráveis e o se a altitude está
dentro de uma determinada estabilidade.
Provavelmente você evitará passar para a máquina as decisões de
pouso e decolagem, pelos evidentes riscos de enfrentar situações fora
do padrão, que exigem uma reação mais discricionária.

Os robôs e o novo trader discricionário


Os robôs trazem a expectativa da operação sistêmica, mas na verdade
a grande maior parte dos traders ainda são discricionários, apesar de
operarem com robôs.
Sem dúvida um paradoxo, que eu chamo de o novo trader
discricionário.
Esse novo trader, ou algotrader, para ser preciso, uma vez que toma
decisões utilizando sistemas e algoritmos, passa o dia fazendo
backtesting e analisando métricas.
No passado fazia o mesmo, analisando gráficos e indicadores.
Mas será que evoluímos?

Buscando a evolução, e a Ciência


Acredito que evoluímos pouco ou praticamente nada, pois quanto
mais tempo o algotrader fica envolvido em backtesting, ajustes, análise
de métricas, análise de estatísticas, etc, maiores as chances de ele
cometer os mesmos erros dos traders discricionários do passado.
Ou seja, trocamos seis por meia dúzia.
A solução para mudar de fato esse cenário, e termos algotraders que
realmente deixaram as emoções das decisões é automatizar a análise.

55
Automatizar a análise?
Para um trader discricionário com longo tempo de experiência na
busca de padrões e estratégias, essa pode ser uma tarefa impossível.
Isso acontece porque o trader sabe das imensas dificuldades de se
operar mantendo regras e padronizações no dia a dia.
O mais natural, buscando sobreviver no mercado, é que o nível de
decisões discricionárias sejam tão frequente que nenhum modelo
possa de fato ser extraído.
Até pode ser que algumas regras simples se repitam, mas isso é bem
diferente que seguir um modelo operacional padronizado e constante,
que podemos denominar de sistema.
Talvez o caminho para isso esteja justamente em mudar paradigmas,
como o de converter ideias passadas em novas ideias.
Muitas vezes a tecnologia avança justamente com o abandono de
técnicas antigas ou que perderam a eficácia.
Como dizem os mais experientes, às vezes é necessário ‘largar o osso’,
ou seja, mudar de forma radical a linha de estudos e pensamentos que
conduzem nossos modelos operacionais atuais.
Em outras palavras, transformar a análise em algoritmos, inclusive a
que nos exige tanto tempo no backtesting.
E para isso é preciso acreditar e buscar soluções que realmente sejam
sistêmicas e quantitativas.
Enquanto a análise for manual, apenas criamos um novo trader
discricionário, com suas novas ferramentas, e talvez, com mais tempo
dedicado a elas que no passado, com as velhas ferramentas e técnicas
de análise gráfica.

56
Quando tudo pode funcionar, ou não
Com a evolução das máquinas e computadores, principalmente nos
últimos anos, nos deparamos com novas camadas de técnicas e
sistemas para operação de forma automática, impulsionadas por
tecnologias que exploram conceitos de união de Arte e Ciência cada
vez mais novos e desafiadores.
Mas um dos grandes problemas que a tecnologia trouxe para o
mercado é que ela permite que toda e qualquer técnica possa ter
sucesso em determinado momento.
Além disso, nem sempre é fácil mensurar a qualidade de nosso
sucesso.
Ou seja, muitas vezes o que parece bons resultados nada mais são boa
sorte.
E a sorte pode ser uma grande inimiga dos sistemas automatizados,
uma vez que ela irá abstrair a realidade da qualidade das estratégias e
Setups escolhidos, para sofrerem, após um período de inércia, as
perdas naturais de sistemas aleatórios operando no Mercado de
Capitais.
E a tecnologia deve nos livrar da sorte, pelo menos até onde é possível,
antes que ela se torne um grande problema.
Seja a mais simples, como a análise de médias móveis, até as mais
complexas, baseadas na análise em tempo real do livro de ofertas e
fluxo de ordens, como feita pelos formadores de mercado e robôs de
alta frequência, ou High Frequency Trading (HFT), a verdade é que
todas as técnicas conhecidas podem ser relevantes a qualquer
momento.
E essa realidade impõe um desafio sem precedentes ao trader atual,
que é identificar qual técnica e sua correspondente estratégia é a mais

57
adequada para o cenário existente nesse momento, que pode ter o
horizonte de alguns minutos a frações de segundos.
Ou seja, não existem soluções determinísticas para enfrentar a
complexidade dessa realidade atual, mas acredito que essa seja a
principal função dos robôs traders e a sua mais abstrata e relevante
camada de atuação, ou seja, a descoberta em tempo real das melhores
técnicas, estratégias e instrumentos financeiros.
Isso acontece porque os padrões de mercado são cada vez mais curtos,
forçando a mudança de cultura de encontrar a técnica perfeita para a
capacidade de percepção rápida de padrões e reação com troca de
técnica, conforme os riscos e oportunidades que se apresentam a cada
instante.
E nesse nível de abstração, feito cada vez mais através da codificação
de complexos algoritmos, a maior parte deles fechados, as fronteiras
são rompidas a todo momento, aumentando cada vez mais a
necessidade de investimentos em tecnologias de hardware, firmware e
software por parte de traders, corretoras e empresas de investimento.
--==***==--

58
Capítulo 3

Unindo Arte e Ciência para vencer

59
Se tanto a Arte como a Ciência encontram caminhos próprios para
gerar uma operação no mercado, seja através de um trade ou uma
posição de médio e longo prazo, entendo que as duas devem ser
valorizadas e unidas, na medida do possível e dos limites que procurei
descrever nos capítulos anteriores.

Um modelo simples para isso é o que proponho na Figura 3.1, que é o


da construção de possíveis cenários futuros, através da imaginação,
em busca da descoberta do verdadeiro cenário a se transforma na
realidade atual.

Figura 3.1 – Unindo os caminhos de Arte e Ciência

60
Nesse modelo, separamos o Cenário Atual, ou Fatos, do Cenário
Futuro, ou Verdade, que será descoberto através da Imaginação e
validação contínua de vários Possíveis Cenários.

Mas, como diria o poeta Carlos Drummond de Andrade, no meio do


caminho tinha uma pedra. E, para unir os caminhos de Arte e Ciência, a
pedra chama-se Imaginação.

E essa imaginação se mostra ainda uma grande rocha para a área de


pesquisa e desenvolvimento de inteligência artificial, ou, para utilizar
conceitos mais atuais, de computação cognitiva.
Para alguns cientistas, muito do processo de modelagem da
imaginação humana depende da capacidade de modelar o
pensamento e algo ainda mais complexo, a consciência.

Afinal, máquinas, até onde se saiba, não possuem consciência.

E, em tese, sem consciência, o pensamento digitalizado nada mais é


que a cópia do pensamento de seus autores, não muito diferente que
um papagaio irá fazer ao expressar algumas palavras.

A ideia de computação cognitiva busca abstrair essas limitações, com


um choque de realidade onde o foco é modelar os processos
cognitivos.

E talvez esteja justamente ai o elo que permita de alguma forma


unirmos Arte e Ciência para operação com Robôs Investidores.

Na verdade esse é meu dia a dia dentro de um laboratório, na busca de


modelos para os processos cognitivos de traders e investidores
humanos.

Não é uma atividade fácil, pois além de exigir a criação e busca


constante de novas tecnologias, é necessário validar elas.

61
Mas quando encontro casos de uso de algoritmos que se aproximam,
ou no mínimo se alinham aos conceitos mais abstratos e complexos
dos gestores humanos, é possível ter uma pequena amostra do futuro
que nos espera.

Talvez em um futuro breve, um gestor tomar decisões discricionárias


sem uma fundamentação de métodos quantitativos, ou até mesmo
através de algoritmos, seja considerada uma falta grave.

No mínimo o que se espera é que os gestores busquem, através de seu


conhecimento e experiência de Mercado, transformar sua linha de
pensamento abstrata e sem conexão em objetos dentro de máquinas.

Ou ainda, até mesmo potencializar sua criatividade e imaginação em


fortes fatores de competição através da produção sistêmica de
condições de automação e análise.

Arte e Ciência no controle da perda máxima do seu robô


Um de meus modelos preferidos para buscar unir Arte e Ciência na
área de Robôs Investidores é o controle de perda máxima.
Afinal, apesar de não podemos prever de forma determinística o
retorno das posições abertas de instrumentos financeiros no mercado,
é possível controlar nossa perda máxima.
Mas note que a perda, quando se trata de tecnologia, não depende
apenas de uma posição, mas te todo um processo.
E, apesar de poucos traders se preocuparem com isso, um robô
sempre pode falhar, assim como seu desenvolvedor sempre pode
errar.
As falhas e os erros fazem parte da Ciência, e até mesmo da Arte,
embora nesse caso elas estejam muitas vezes despercebidas.

62
Domínio dos processos
A segurança dos trading systems, por exemplo, é um processo
contínuo, que envolve várias camadas e dimensões, e que em muito se
assemelha a outros sistemas de segurança na área de Tecnologia da
Informação.
Um dos maiores desafios de qualquer robô é sobreviver a situações de
buracos negros, que são uma metáfora relacionada a momentos do
mercado com mudanças abruptas de preços, muitas vezes por um
tempo suficiente para causarem grandes perdas, como mostra o
exemplo recente da tela a seguir, para o franco suíço.
Quando o robô abre uma posição e entra no mercado, nada podemos
garantir quanto ao seu retorno, por mais avançados que sejam nossos
estudos e métodos utilizados.
Ou seja, não existe um indicador a prova de futuro.
Mas a imaginação pode e muito auxiliar a evitar surpresas,
principalmente se encontrarmos formas de digitalizar ela em
algoritmos.
Como todo robô pode e deve controlar sua perda máxima, o que nem
sempre é possível fazer com precisão, essa gestão de risco dependerá
da dinâmica de mercado e da própria plataforma de algoritmos.
Mas cabe ao criador do robô imaginar as possíveis situações de risco,
como em qualquer sistema de segurança.
A Ciência, nesse caso, espera pela Arte para poder existir, ou avançar.
A maior parte dos algotraders, ou traders que operam com algoritmos,
acredita que a programação de Stop Loss da posição seja suficiente
para o controle eficaz de perdas do seu robô, mas é importante
perceber que o Stop Loss é apenas um controle da perda máxima da
própria posição.

63
Porém, o que acontecerá se uma sequência de operações seguidas
atingirem os níveis de Stop Loss?
Será que nosso nível de proteção sistêmica será mantido?

Arte e Ciência enfrentando os Buracos Negros


Quando enfrentamos cenários adversos de mercados, algo cada vez
mais comum no nível de competitividade atual, uma perda
momentânea ou permanente poderá ocorrer.
E essa perda poderá afetar uma outra métrica muito relevante de
nossos robôs, que é o drawdown ou rebaixamento, medido
diretamente a partir da análise da curva de capital.
Mas se o algotrader limitar o tempo de abertura de novas posições,
principalmente quando o nível de Stop Loss for atingido, ele passará a
ter um controle maior da situação.
Estou falando, portanto, em duas dimensões de controle de nossas
perdas, que são capital e tempo, que podem ser resumidas abaixo:

Controle de Tempo: permite que o robô tenha estabilidade


para suportar uma sequência crítica de Stop Loss.
Controle de Drawdown: permite que o robô tenha estabilidade
para limitar uma queda da curva de capital.

Esses dois controles, em uma camada acima do controle de Stop Loss,


são apenas um exemplo de como podemos preparar os robôs para
enfrentar os buracos negros do mercado, com níveis cada vez mais
altos de abstração da gestão de risco, pois, como comentado

64
anteriormente, segurança é um processo constante, ainda mais na
automação de operações no Mercado de Capitais.
Não há limites para a imaginação, e o domínio da Arte pode nos
conduzir a controles ainda mais avançados.
Se não fosse assim, provavelmente a grande maioria dos investidores
não conseguiriam sobreviver nos mercados, tornando os participantes
como poucos ganhadores ainda resistentes.
Dessa forma é importante sempre reservar uma área de código para
algoritmos preparados para enfrentar buracos negros, porque cedo ou
tarde eles poderão aparecer para desafiar nossos sistemas.

Quando a Arte é desconhecida


Acredito que hoje, com o grande ferramental disponibilizado pelas
mais avançadas tecnologias de ciência cognitiva, o desafio dos Robôs
Investidores esteja em coletar os dados que possam modelar
informações realmente decisivas.
Apesar de a maior parte dos investidores não perceberem isso, nem
sempre o Estado da Arte, ou o melhor dos mundos, é público ou
conhecido, quando se trata de Mercado Financeiro.
E o segredo é a regra principal desse jogo.
Enquanto nas mais variadas áreas de conhecimento existe um esforço
colaborativo, tanto de cientistas como de empresários, no Mercado e
mundo real da área de bolsas, o cenário é de proteção máxima ao
conhecimento adquirido e/ou inferido.
Então, é natural que as estruturas mais relevantes que irão compor os
aspectos artísticos estejam guardadas a sete chaves.

65
Com a entrada dos modelos de operação em alta frequência, ficaram
mais evidentes essas questões, uma vez que apenas os detentores das
melhores tecnologias, que na prática nesse caso significam muitas
vezes as mais rápidas, irão de alguma forma competir de fato pelas
melhores oportunidades.
Não que nas demais áreas essa realidade seja diferente, afinal
tecnologia requer investimentos, que podem ou não serem percebidos
como valor para os traders e investidores que estão de fato buscando
resultados de alguma forma.
E a competição de opções muitas vezes estimula a busca da
simplificação, uma vez que os possíveis cases de sucesso podem
estarem baseados em obras do acaso.
Para alguns, esse é um cenário desfavorável e até mesmo desleal, pois
sabemos que a maior parte dos traders e investidores não terão acesso
a esse nível de informação.
Mas essa é a realidade, por mais dura que pareça, e nada pode segurar
a evolução tecnológica.
Nem mesmo a legislação, que geralmente corre atrás para regular
esses movimentos.

Cientistas e Caçadores de Dados


Diante dessa realidade, diversas novas profissões começam a surgir no
mercado, potencializando a união de Arte e Ciência.
Duas que gostaria de destacar aqui são a de Cientista de Dados e a de
Caçador de Dados.
O conceito de Big Data, por exemplo, necessita cada vez mais de
profissionais que tenham capacidade de sintetizar modelos nas mais
variadas camadas de imaginação de estratégias.

66
Porém, nem sempre o diferencial de determinados sistemas será
atingido sem a coleta em tempo real de dados relevantes, que muitas
vezes são proprietários ou disponibilizados apenas para um grupo
seleto de investidores.
A partir da imaginação dos investidores e gestores, surgem as mais
variadas necessidades de informações.
E para produzir informações para o Mercado de Capitais, essas duas
profissões são cada vez mais vitais.
Para melhor entendimento do contexto, imagine que as informações
de atendimentos e triagens no maior hospital de sua cidade possam,
de alguma forma, serem relevantes para a decisão de investimento em
alguns instrumentos financeiros.
Até é possível que, por economia ou simplificação, a ideia seja você
descartar esse tipo de oportunidade, até mesmo pelo grau de
complexidade que ela pode exigir.
Evidentemente não estamos falando aqui da informação de apenas um
dia, mas a de vários meses que permitam traçar uma tendência mais
confiável.
Cabe ao caçador de dados buscar formas de coletar os dados
estratégicos de nossos modelos operacionais que não sejam de
simples adoção e/ou localização.
A Arte é muito amiga desse tipo de abordagem, e os artistas do
mercado sabem disso, pois podem ficar distanciados dos métodos
quantitativos da concorrência, principalmente quando imaginam
modelos antes que os demais investidores.

67
A real competição desleal
Mas para unir Arte e Ciência para vencer de fato, o trader e investidor
deve estar preparado para algo bem mais complexo, que é a
competição desleal, muito forte no Mercado de Capitais, encontrando
cada vez mais brechas na evolução rápida da tecnologia.
Por exemplo, o que impede que os principais players desse mercado
atuem de forma colaborativa, e oculta, sem o conhecimento de outros
players, em benefício próprio?
Provavelmente os órgãos reguladores nem terão tido a imaginação e o
insight necessário para compreender a complexidade dessas ações, ou
sequer imaginar essa possibilidade.
Como acontece nas mais variadas áreas onde a tecnologia da
informação pode ser um fator decisivo para a ocultação e até mesmo
perpetuação de crimes.
Ou seja, nada impede que a tecnologia facilite não apenas o mercado
de ativos finais, mas também o mercado de informações, nem sempre
de forma leal.
Se você deseja vencer no mercado, como qualquer outro trader ou
investidor, deverá certamente exercitar a imaginação e o universo das
hipóteses, como um artista, de forma a buscar modelos quantitativos
que possam preparar seus Robôs Investidores para enfrentar desafios
muito acima do que os métodos formais e leais são entregues.
Não espere que os órgãos reguladores tenham a velocidade de fazer
isso para você.

Robôs Investidores diante de outros robôs


Acima dos Robôs Investidores, em termos de visibilidade e dos riscos e
oportunidades das mais diversas tecnologias na área, os Robôs

68
Advisors representam a camada mais abstrata de robôs para o
Mercado de Capitais, como mostra a figura 3.2, com a vantagem de
atingir um nível de diversificação de investimento máximo, com
controle de todo capital ou riqueza dos clientes.

Figura 3.2 – Tipos de robôs x Frequência x Diversificação

Por outro lado, o tipo de investimento de um Robô Advisor tende a ser


de frequência bem mais baixa, principalmente se comparado com
Robôs Scalpers e Robôs HFT – High Frequency Trading – com operação
em alta frequência, embora esses possam ser utilizados como parte
das estratégias desses sistemas. Mas o mais provável é que as camadas
de diferentes tipos de robôs, como mostra a figura 3.2, seja cada vez
mais independente, atendendo diferentes perfis de clientes.
O conceito de Robôs Advisors, ou robo-advisor, usando a expressão
mais utilizada no mercado internacional, compete cada vez mais
diretamente com o do FIA, ou Financial Investment Advisor, que é o
consultor ou gestor humano, abrindo as portas para a nova Corretora
Robô, que irá competir cada vez mais com o Banco Robô, e com a
convergência de todos serviços financeiros para o banco do futuro. E,

69
tudo indica que os melhores Bancos Robôs irão necessitar tanto de
Robôs Advisors, como de Corretoras Robôs, para poder atender às
mais variadas necessidades de seus clientes humanos e robôs.
Clientes robôs? Sim, por que não? Pois é exatamente essa a lógica de
hierarquia que é aberta com a robotização de corretoras e banco,
juntamente com seus assessores, gestores e consultores financeiros,
ou seja, os próprios robôs investidores poderão orquestrar a aplicação
de capital em outros robôs clientes, como já acontece no caso de
escolha de Fundos de Investimento Quantitativo.
Mas por trás de um cliente robô é lógico que deve existir um cliente
humano, que espera mais que automação, e sim decisões inteligentes
e retorno para seu capital, com o mínimo de custos associados,
principalmente os que antes representavam comissões ou pagamentos
para os humanos envolvidos no processo. Na verdade, uma parte
desses recursos irá justamente para as equipes técnicas e de cientistas
de dados que fazem parte da construção dos algoritmos dos Robôs
Advisors. E essa pressão por performance e redução de custos,
principalmente com a alta competição de robôs, deverá contribuir para
a redução cada vez maior de todos os custos de operação no Mercado
de Capitais, graças à escalabilidade e eficiência de todo processo.
Diante dessa realidade dos diversos tipos de robôs para o mercado, os
Robôs Investidores apresentam uma característica de equilíbrio,
podendo operar com frequências maiores sem perder a flexibilidade e
diversidade de instrumentos financeiros. Ou seja, como se dizia no
passado, esse tipo de robô não está nem tanto ao céu, nem tanto ao
mar, permitindo que se explore de forma aberta as mais avançadas
tecnologias das plataformas de algoritmos, com uso inteligente das
estratégias para suportar os custos maiores que as operações dos
Robôs Advisors.
Outra vantagem competitiva dos Robôs Investidores é que a tecnologia
para migrar até as camadas mais inferiores, como a dos Robôs HFT ou

70
de alta frequência, muitas vezes é similar a já utilizada nas plataformas
de algoritmos.

--==***==--

Capítulo 4

A Arte de uma boa Estratégia


e Setup automatizado

71
Acredito que seja muito mais fácil descobrir uma boa estratégia do que
descobrir um bom ajuste para ela.

Os mercados estão sempre desafiando as estratégias com momentos


de pura ação inesperada, que podemos definir como uma espécie de
momentos e clímax.

O clímax é o momento crucial do mercado em relação à validação de


nossa estratégia, e, principalmente, Setup.

Infelizmente a maior parte dos traders sequer imagina isso, quanto


mais cria hipóteses para enfrentar esses momentos.

E muitos desses momentos não irão aparecer em testes passados,


afinal também não há nenhuma regra para que o mercado se
comporte hoje como no passado.

Lembre-se que o Sr. Mercado não se adapta a nossas estratégias e


Setups. Pelo contrário, elas que devem se adaptar ao imponderável, e
a todos momentos, principalmente ao clímax que o Sr. Mercado irá
apresentar, a qualquer momento.

Dessa forma, ajustar um sistema que irá operar de forma autônoma e


automática para nós é sem dúvida uma atividade de alta
complexidade.

Podemos até encontrar a solução ótima no passado, mas o presente e


futuro irão apresentar uma realidade que irá testar de fato a qualidade
da estratégia e Setup escolhido.

Assim como os buracos negros do mercado nos ajudam a endereçar a


segurança dos robôs e sistemas operacionais, em um processo
contínuo, que envolve várias camadas e dimensões, e que em muito se
assemelha a outros sistemas de segurança na área de Tecnologia da

72
Informação, acredito que eles possam ajudar e muito a encontrar boas
Estratégias e Setups.

A Nona Sinfonia do mercado

Tinha 13 anos quando assisti, ao vivo, a uma primeira apresentação de


uma orquestra sinfônica, no prédio da reitoria da Universidade Federal
do Rio Grande Sul (UFRGS), lá pelos anos 80.

A convite de meu irmão mais velho, fomos ao salão de atos com o


privilégio de ouvir uma música espetacular: nada mais, nada menos,
que a Nona Sinfonia do grande gênio Ludwig van Beethoven.

Salão esse que alguns anos mais tarde eu receberia meu diploma de
engenheiro.

Nesse momento, você deve estar se perguntando: mas o que isso tem
a ver com Robôs Investidores, Estratégia e Setups?

Nada como a curiosidade natural e seus modelos objetivos.

Tudo bem, pode estar ainda pensando, Beethoven até tem tudo a ver
com Arte, mas onde juntamos os pontos para operar de forma
automatizada uma boa Estratégia e Setup?

Você verá que muito, como procurarei explicar.

Acontece que, por engano nosso ou dos divulgadores, chegamos ao


evento com mais de uma hora de antecedência, sendo, na verdade,
para ser mais preciso, os primeiros a chegar, o que nos garantiu a
honra de ocupar os primeiros assentos da primeira fila.

Quase em cima do palco, eu diria.

73
E isso permitiu, além de poder acompanhar de forma única a Nona
Sinfonia, perceber cada detalhe de orquestração e execução dos
músicos.
Até porque, essa foi a primeira sinfonia onde foi introduzida um coral,
ou seja, a inovação das vozes humanas misturadas aos instrumentos,
em uma combinação impressionante.

Mas algo que me chamou muito à atenção é que, apesar de existir um


coral fantástico, com dezenas de músicos, todos postados no fundo do
palco ao redor da orquestra, o grande gênio da música reservou para
sua obra prima apenas o movimento final da apresentação, para eles.

Ou seja, os poucos minutos finais em uma sinfonia de quase uma hora


e meia de duração.

Mas, nas mãos e na Arte de Beethoven, esses poucos minutos


parecem uma eternidade, diante de uma beleza que só pode ser
expressa de forma qualitativa.

Note também que, assim como o Mercado, o coral aguarda de forma


paciente, disciplinada e harmoniosa os demais músicos o momento de
apresentar sua voz, e surpreender nossas Estratégias e Setups.

Alguns músicos até parecem estarem próximos de perder a


concentração, diante de uma espera que os deixa mais assistentes do
que protagonistas.

E é aqui que se ligam os pontos com a área de Robôs Investidores, e


toda a Arte de uma boa Estratégia e Setup automatizado.

Acredito que o mercado é muito parecido com o posicionamento e


comportamento do coral na Nona Sinfonia, já que ele não está durante
todo o tempo abrindo as portas para as melhores oportunidades. Ou
seja, o mercado tem também suas sinfonias, e corais.

74
Algumas delas, provavelmente orquestradas justamente pelos maiores
players, e nem sempre de forma leal, como já comentei
anteriormente.

Na verdade, as grandes oportunidades do mercado aparecem por


poucas horas, quando no máximo por alguns dias.

E os robôs e algoritmos são uma ferramenta perfeita para ter a


paciência de aguardar de forma disciplinada o que seria o momento
ideal de mercado.

Penso também que dificilmente seus algoritmos terão essa visão


estratégica de oportunidade sem analisarem mais de uma
periodicidade, ou seja, abstraírem um pouco a análise de eficiência
para buscarem o melhor momento de ação de preços por análise de
eficácia de todo sistema.

Quando um robô faz análises em múltiplas periodicidades, e porque


não dimensões, ele passa a ter a capacidade de se preparar para o que
chamo de auge de oportunidades de mercado.

Como a brilhante Nona Sinfonia, que chega ao auge com o coral, os


algoritmos devem buscar o auge para aumentar a exposição de suas
operações, buscando aumento de ganhos com menor risco.

O problema de construir um sistema assim é que não são muitos os


eventos de oportunidade desse tipo no passado. Além disso eles são
muito atípicos e dificilmente irão se repetir.

Então temos que inovar e analisar os preços como quem imagina o


pior (ou melhor, no caso para nossas estratégias) de uma forma que
poucos robôs pensaram, imaginaram, ou, na verdade, foram
codificados.

75
À Ciência, além da descoberta dos modelos expressos pela Arte, cabe a
análise e execução rápida, evitando que as estratégias sejam
surpreendidas pelo clímax do Mercado.

Não apenas por backtesting, afinal, depois que aconteceu é fácil fazer
qualquer análise, mas, principalmente, por modelos preditivos.
Note também que o desafio de análise preditiva é muito superior ao
de forecasting em si, pois esse apenas extrapola uma visão do passado,
enquanto os modelos preditivos devem buscar hipóteses, que serão
validadas por momentos tão críticos como os que irão existir no clímax
do Mercado.

Para buscar modelos de computação cognitiva focados em análise


preditiva, também precisamos analisar lógicas em múltiplas dimensões
que possam aumentar a eficácia e inteligência de nossas estratégias,
modeladas em códigos de máquina.

E, como comentei em capítulos anteriores, os algoritmos tornam muito


fácil monitorar qualquer coisa, basta ter as ideias e metodologias
corretas para isso.

A hipótese da volatilidade ativa

Com a crescente automatização de estratégias, uma realidade até


mesmo no Brasil, com a entrada de plataformas de algoritmos
acessíveis a todos os públicos, acredito que a volatilidade dos ativos e
seu comportamento deveria ser totalmente reestudada.

Nesse sentido, minha proposta é que se separe a volatilidade em dois


tipos: volatilidade passiva (a que está nos livros e na maioria das
fórmulas de finanças quantitativas) e volatilidade ativa.

Procuro nesse momento pela expressão no Google e a resposta é -


nenhum resultado encontrado para ‘volatilidade ativa’ - apesar do

76
grande volume de robôs e tecnologias atuando no mercado em busca
de formação de preços ou movimentos especulativos favoráveis.

Mas se a hipótese ou conceito não existe no famoso site de buscas, ao


meu entender ela existe e é cada vez mais relevante nos mercados.

Isso porque acredito que a volatilidade da forma que conhecemos


hoje, e está presente e disseminada na literatura, é cada vez menor.

O que aprendemos nos livros é o que considero a volatilidade passiva,


pois é causada por movimentos involuntários ou, digamos assim, pelas
leis de oferta e demanda da economia.

Dessa forma, até mesmo paradigmas como o modelo Black-Scholes de


apreçamento de opções, o Índice de Sharpe e o próprio modelo de
otimização de portfólio de Markowitz, para comentar apenas os mais
conhecidos, são impactados por essa nova realidade, onde a
volatilidade é cada vez mais induzida e estratégica, e não apenas algo
passivo resultante do equilíbrio de forças de compra e venda de ativos.

Alguns desse modelos já baseiam suas ideias em uma volatilidade ‘livre


de risco’, como se a realidade assim fosse possível.
Acredito que o único conceito que realmente pode livrar nossos robôs
e estratégias do risco é o de proteção contra a volatilidade ativa.

77
Figura 4.1 – Sobrevivendo a volatilidade ativa

Devemos estar atentos para a realidade dos mercados com uso


massivo de algoritmos ‘inteligentes’ operando em frequências onde
nossas sinapses não são capazes de reagir, e onde a volatilidade é cada
vez mais voluntária e estratégica, principalmente com a atuação de
robôs em alta frequência, embora esteja ao alcance de todos mesmo
em baixa frequência, desde que tenham a tecnologia e capacidade
financeira para isso.

Examinando a Figura 4.1, por exemplo, até que ponto os movimentos


de mercado foram causados pelas leis de oferta e demanda ou por
ação dos preços por volatilidade ativa.

78
Existem muitos exemplos de mudança rápida de preços entre dois
pontos que poderiam, por hipótese, terem sido causados por ação
estratégica ou o que refiro à volatilidade ativa, nesse caso
representada por uma janela específica no tempo.

E o que acontece com a maior parte das demais estratégias, cuja


tecnologia é baseada apenas nos princípios matemáticos e estatísticos
formulados através de medições de volatilidade passiva?

Simples, provavelmente terão seu nível de Stop Loss atingido.

Figura 4.2 – Divergências da hipótese de volatilidade ativa

Evidentemente a estratégia de movimentação de preços de forma


voluntária não é para todos, como por exemplo as divergências que
possivelmente possam ser identificadas em indicadores (Figura 4.2),
pois existe ação coordenada e grande volume operacional.

E como se proteger da volatilidade ativa, se essa hipótese for


verdadeira?

79
Acredito que a maior proteção é simplesmente acreditar nessa
hipótese, algo fácil no domínio da Arte e complexo no domínio da
Ciência, pois ela impacta em muitas crenças e métodos que adotamos
hoje para operar, seja de forma discricionária ou sistêmica,
principalmente no intradiário.

Seja quem estiver atuando no mercado, com ou sem robôs, esteja


crítico a todos paradigmas do mercado e fórmulas onde a volatilidade
é relevante para a estratégia.

Lembre-se sempre que a volatilidade, com a entrada dos robôs de alta


frequência no mercado, não é mais a mesma.

Para isso, esteja atento a toda e qualquer estratégia baseada em


conceitos e paradigmas sobre a volatilidade que por hipótese já não
valem mais.

E também esteja atento ao métodos existentes de simulação da


volatilidade.

Por exemplo, o próprio processo de backtesting está impactado, pois


se a volatilidade é cada vez mais ativa, tudo que vemos no passado são
apenas os resultados passivos de uma foto de momento.

Ou seja, quando sua estratégia entrar no mercado real, mesmo que


tenha superado os movimentos passivos estáticos na base de dados
histórica, o que é fácil fazer, irá sofrer com os movimentos da
volatilidade ativa.

Exatamente por isso, a muito tempo me dedico a construir tecnologias


cada vez mais independentes de backtesting e cada vez mais
explorando inteligência de máquina, que é uma das frentes de
construção de algoritmos mais eficaz para reagir ao movimentos de
preços voluntários e estratégicos que eu conheço.

80
Outra forma importante é levar em conta, no cálculo de limites das
posições, os movimentos típicos da volatilidade ativa, o que é bem
mais complexo, uma vez que a maior parte das estratégias são feitas e
testadas utilizando fórmulas estáticas de mensuração da volatilidade.

Seja como for, verdadeira ou não essa hipótese, uma das vantagens de
operar com robôs é que podermos criar algoritmos para proteger ou
potencializar o capital contra ou a favor de qualquer hipótese, mesmo
que ela não se confirme.

Essa é uma das vantagens da tecnologia nessa área, pois uma vez
escritos os algoritmos desejados, eles podem estar permanentemente
executando nossas ideias, a espera de que a hipótese se confirme e
eles sejam de fato necessários.

E nesse caso específico da volatilidade ativa, são inúmeros os


momentos que isso aconteceu, de fato, com meus robôs, forçando a
atuação reativa e inteligente desses algoritmos.

A Arte da Escola da Visão

Tudo começou em 2006, quando tive um insight de correlacionar a


área de Inteligência Competitiva (IC) do mundo dos negócios à área de
investimentos, utilizando robôs investidores para testar essa ligação.

Isso porque tanto as conhecidas Escola Técnica e Escola


Fundamentalista não me pareciam atender uma questão muito
importante na área de IC, que é a formação de visão estratégica e de
futuro em forma de análise de atores e cenários.

Minha ideia na época era construir um robô capaz de ter um retorno


maior por ter uma melhor visão estratégica e de futuro, e não por

81
qualquer tipo de análise técnica ou fundamentalista, algo similar ao
que existe hoje no produto Neuro Labs da Trajecta.

O mais parecido com isso era a análise macro fundamentada feita


pelos sistemas fundamentalistas, mas ela era anos luz de distância do
que a área de IC consegue construir nas empresas.

Me parecia que faltava uma nova escola focada em visão empresarial,


principalmente a estratégica e de futuro, e portanto resolvi adotar
esse tema para meu trabalho de conclusão de MBA, em 2008, ou seja,
uma nova escola de investimento, a ‘Escola da Visão’.

As pesquisas que fiz na época relacionando Inteligência Competitiva e


Mercado de Capitais resultaram em conteúdo zero, ou seja, eu tinha
certeza de estar pesquisando e criando algo inédito.

O que sem dúvida é muito motivador, ainda mais na interface dessas


duas áreas tão relevantes.

Mais ainda para alguém que se propõe a criar uma nova escola, diante
de tantos argumentos baseados em análises técnicas e
fundamentalistas. Sem dúvida um desafio e tanto.

O esforço principal na época foi construir um modelo, e


posteriormente algoritmos, que de forma artificial fossem capazes de
construir cenários futuros e agentes inteligentes sem nenhuma
influência de dados passados.

Um sistema totalmente focado em Inteligência Competitiva, mas


traduzido na realidade do Mercado de Capitais.

Desde lá foram várias as evoluções e testes, afinal, os paradigmas das


escolas atuais são muito fortes, de forma a provar esse novo conceito.

82
O mais importante deles, e que deixou a Trajecta conhecida
internacionalmente, foi o sistema de laboratórios denominado de
Trajecta Labs, que foi utilizado para construir cenários futuros no
mercado Forex e competir no sistema de sinais do site MQL5.com,
onde concorrem os mais variados conceitos e tecnologias.

Em poucos meses os resultados eram surpreendentes, pois vários


sinais baseados apenas em visão ocupavam as primeiras posições de
ranking. Um produto brasileiro, baseado em uma nova escola de
investimento, liderando o principal ranking de estratégias quantitativas
da maior plataforma de algoritmos do mundo. Nada mal.

E, para surpresa de alguns investidores, algumas estratégias do


Trajecta Labs apenas operavam ‘compradas’ ou ‘vendidas’ em alguns
instrumentos financeiros, como EUR/USD, com visões de longo prazo e
alto índice de acerto. Pura visão estratégica dos modelos dos robôs.

--==***==--

83
Capítulo 5

A Ciência de uma boa Estratégia


e Setup automatizado

84
A aplicação da Tecnologia da Informação nas empresas é cada vez mais
um diferencial competitivo.
Em tese, o que as empresas buscam é uma maior eficiência e eficácia
em transformar dados em informação, e informação em inteligência,
visando apoiar seu processo de tomada de decisão.
Da mesma forma que as empresas, os traders e investidores são cada
vez mais desafiados para implantarem um processo similar de apoio ao
processo de decisões de operação de mercado, como qual instrumento
financeiro escolher, qual volume operacional, quais momentos
comprar ou vender, etc.
O problema das empresas e dos traders é que a gestão da informação,
onde se destacam as atividades de coleta e análise permanente de
dados em tempo real, é cada vez mais necessária.
E isso se deve ao aumento exponencial, nos últimos anos, de volume e
complexidade dos dados, cada vez mais caóticos e distribuídos na
nuvem.
E é justamente nesse ponto que a Ciência pode contribuir, uma vez
que ela apresenta as técnicas necessárias para coletar, selecionar,
organizar e transformar dados em informações que realmente possam
ser decisivas.
Quando o trader percebe esse desafio e a oportunidade de estar na
frente, trabalhando de forma eficaz com a gestão da informação,
pode-se considerar que ele, no mínimo, está com maiores chances de
ser mais competitivo no mercado, uma vez que não existem garantias
sobre o que irá de fato funcionar ou não nesse ambiente.
Nesse ponto a tecnologia permite um melhor filtro dos dados no
tempo (passado, presente e futuro) ou de acordo com as fontes de
dados (boatos, inconfiável e confiável), uma vez que, na prática, e
assim como nas empresas, a tomada de decisões de operação de

85
instrumentos financeiros no mercado possui uma dimensão infinita de
complexidade e incerteza, onde ninguém pode garantir que o descarte
de determinadas informações não possa levar a grandes perdas.
A Ciência também pode e deve contribuir para a melhoria da visão
estratégia de qualquer trader, uma vez que ela possui diversos dos
principais elementos de análise de mercado e concorrência.
Da mesma forma, no caso de a operação e inteligência não ser
individualizada, mas fazer parte de uma empresa de gestão de
investimentos, ou ainda uma corretora, as técnicas de Inteligência
Competitiva poderão contribuir para a disseminação da informação,
que é um dos princípios mais adotados para a implantação de
tecnologias nessa área nas empresas.
No mínimo, a aplicação dessas técnicas irá contribuir para um melhor
planejamento e entendimento do mercado, uma vez que um dos
primeiros passos de modelos assim é justamente a definição de
objetivos, que podem se alinhar perfeitamente ao planejamento
operacional e de investimento dos traders e empresas.
Ou seja, focar a gestão da informação dentro de objetivos e metas
específicas, algo que raramente é feito por quem opera no dia a dia no
mercado.
Nesse caso a visão estratégica irá deixar de ser a individualizada,
passando a ser disseminada e colaborativa, agregando novas
oportunidades e maior competitividade ainda para as organizações
que tem como proposta aumentar os resultados de investimentos de
seus clientes.
Na prática, pensar em investir em gestão da informação, através de
Robôs Investidores, pode ser hoje um dos primeiros passos, antes
mesmo de investir em qualquer ativo, pois dessa decisão poderá
resultar o sucesso ou o fracasso do trader ou das empresas que de
forma direta ou indireta fazem a gestão de ativos de seus clientes.

86
A Ciência e a Modelagem da Visão
Cada vez mais os algoritmos modelam e analisam cenários futuros em
tempo real, algo complexo para qualquer gestor humano.
Mas quais são os possíveis cenários futuros?
Imaginar possíveis cenários provavelmente dependerá da compilação
de conceitos de Arte, criados pelos próprios traders e investidores.
Afinal, são infinitas possibilidades, embora seja possível limitar os
cenários dentro de um diagrama de forças e incertezas, alinhado e
partindo do diagnóstico correto do momento atual do Mercado de
Capitais.
Nesse caso, pela Escola da Visão, existem quatro forças principais que
movimentam os preços dos ativos e instrumentos financeiros:

 Força de Compradores (Demanda)


 Força de Vendedores (Oferta)
 Força de Notícias (Fatos reais que impactam os preços dos
ativos)
 Força de Especulação (Movimentos especulativos ou sem
fundamentos reais)
A partir dessas quatro forças é possível identificar o cenário atual de
qualquer instrumento financeiro e fazer a análise de possíveis cenários
futuros.
E o passado, qual a utilidade?
Assim como boatos sobre o futuro, os dados e eventos passados, e a
análise técnica e fundamentalista deles, não são desprezados pelos
modelos de visão, uma vez que eles estão carregados de possíveis
padrões.

87
Apesar de alguns investidores desprezarem a análise técnica do
passado, por acreditarem que não existe causalidade, esse
pensamento a nosso ver é errôneo, pois a causalidade da análise do
passado está justamente nos padrões determinados pela própria
análise.
A meu ver, a Escola Técnica ou Grafista é a que mais cria padrões no
mercado, tanto de análise de preços como de volumes, uma vez que os
dois agentes irão compor indicadores e osciladores padronizados.
Isso porque milhares de traders utilizam seus princípios, criando a
causalidade necessária para a análise.
Evidentemente é possível focar apenas no presente, como fazem os
analistas de Tape Reading, mas pela Escola da Visão nenhum dado ou
informação do mercado deveria ser desprezado, pois poderá de
alguma forma ou outra ser útil para a tomada de decisões.
Na verdade esse é um princípio básico de Inteligência Competitiva
adotada pelas empresas.

Unindo passado, presente e futuro


Para aumentar as chances de sucesso no mercado, acredito que a
visão de futuro deve ser formada pela análise de futuros cenários
alinhada com análise de informações do passado e do presente.
Por exemplo, se estamos em um momento de quebra de um suporte
de longa data, evidentemente nossos cenários futuros deveriam levar
em conta o impacto de notícias e fatores especulativos em relação a
esse momento, que será provavelmente muito diferente de um
momento em que o mercado está andando de lado em equilíbrio de
oferta e demanda.
Para criar modelos preditivos com grande volume de cenários é
necessário criar robôs com grande volume de análise de estratégias,

88
como por exemplo o Trajecta Big (Figura 5.1), capaz de simular
possibilidades próximas ao infinito de combinações de cenários futuros
e múltiplas estratégias.
Mas o maior problema hoje é que nem sempre os modelos do passado
são precisos.
Talvez o mais correto seja até afirmar que raramente os modelos do
passado são precisos, principalmente os validados por backtesting nas
plataformas de algoritmos.

Figura 5.1 – Exemplo de Otimização com o Trajecta Big

Para diminuir esse problema, proponho uma técnica em meu método


de operação com robôs, que é a identificação de mercados cíclicos e
anticíclicos, através de um parâmetro de inversão da saída dos sinais
dos Robôs Investidores.
Dessa forma, é possível identificar oportunidades quando
determinados Advisors Robôs escolhem modelos de visão e estratégias
que se comportam de forma contrária ao cenário real de mercado.

89
Em outras palavras, seria o mesmo que um gestor humano que
apresenta recomendações de operações perdedoras, mas que se
fossem invertidas em termos de sinal de execução, gerariam
resultados vencedores.
Dessa forma, inicialmente partimos de um Setup onde o Advisor Robô
apresenta na prática resultados com curva de capital desfavorável.
Considerando viável a inversão, realizamos a mudança de polaridade
de saída do robô, modelando ele em um viés cíclico.

Se confirmada a possibilidade de inversão real do sinal (o que nem


sempre é uma garantia, mas um dos objetivos de design dos modelos
dos Advisors Robôs do Trajecta Advisor), será possível ter resultados
complementares aproximados.
Quando dominamos de alguma forma os erros de análise e
modelagem do passado, o alinhamento com o presente e futuro se
torna mais fácil.
E a técnica de inversão que proponho nada mais é que trazer ideias do
domínio das Artes para a Ciência de busca de uma boa Estratégia e
Setup automatizado.

De robô Seguidor de Tendência para robô Seguidor de Visão


Outra técnica que proponho em meu método de operação com robôs
é a de construção de Robôs Investidores seguidores de visão, como um
contraponto ao conhecido modelo de seguidores de tendência.
Entre as principais características e necessidades de sistemas
operacionais e robôs que utilizam estratégias baseadas em seguidores
de tendência, ou trend following, está a necessidade de definir um
sinal para a tendência propriamente dita.

90
Na prática isso significa que é necessário optar e definir por uma
tendência.
O problema dessa abordagem, no meu entender, é que essa decisão é
tão complexa e dependente das incertezas de mercado que o risco de
errar é similar ao de muitas outras estratégias tão ou mais
competitivas.
Evidentemente analisando o histórico de preços de qualquer ativo
conseguiremos identificar facilmente a existência de tendências,
embora muitas vezes não estejam tão claras as razões delas.
O grande problema é descobrir ou propor um sinal para o que irá de
fato acontecer no futuro, ou seja, a análise preditiva.
Dessa forma, acredito que uma forma de endereçar o problema de
incerteza na definição do sinal de tendência nos sistemas seja a
prospecção de cenários futuros, ou seja, criarmos um seguidor de
visão.
Apesar de o futuro ser incerto, é evidente que a análise dele é cada vez
mais possível, principalmente com a rápida evolução da tecnologia de
finanças quantitativas e do conceito de Big Data, tanto em capacidade
como em velocidade de processamento de algoritmos.
Um fator relevante na construção de cenários no mercado de capitais
é que é possível modelar todas as possibilidades futuras, inclusive a de
o ativo virar pó, que é uma que a maior parte dos traders esquece,
mas que é possível também.
Quando modelamos os principais agentes de mercado para
determinado instrumento financeiro, o que já não teremos 100% de
precisão, e imaginamos possíveis cenários futuros para eles, e o
impacto desses cenários nos preços, estamos criando nada mais, nada
menos, que um modelo de visão digital.

91
Figura 5.1 – O ciclo de automação e formação de padrões

Note-se que os próprios Robôs Investidores também são cada vez mais
agentes relevantes, e a formação de padrões de mercado nem sempre
será puramente por comportamentos humanos.
Como mostra a Figura 5.1, o próprio processo de constante
sistematização do Mercado pode formar novos padrões.
E apesar de visão de futuro ou estratégica parecer ser algo apenas do
domínio dos gestores humanos, a tecnologia já permite hoje abstrair a
complexidade dessa capacidade em sistemas de análise, utilizando as
mais variadas abordagens computacionais e algoritmos.
Ora, se a tecnologia permite construir modelos de visão futura e
estratégica cada vez mais sofisticados, porque ainda criamos
seguidores de tendência baseados em análises do passado?
Talvez a resposta para isso seja o fato de que a tecnologia
computacional nessa área evoluiu de forma tão rápida que a maior
parte dos traders ainda se sinta mais seguro com os modelos mais
antigos ou tradicionais.

92
Mas a realidade, que não podemos mudar, é que os grandes sistemas
e fundos quantitativos cada vez mais tomam suas decisões utilizando
análises preditivas, principalmente nas estratégias baseadas no antigo
modelo seguidor de tendência.
E se o negócio de trading e investimento for uma competição de soma
zero, como acredito que seja, essa deveria ser uma preocupação de
todos os traders atuais que desejam se manter competitivos no
mercado.

A intuição dos robôs


Quando Alan Turing, o pai da ciência da computação, a mais de
cinquenta anos atrás, lançou uma pergunta para a comunidade
científica referente à possibilidade de um dia os computadores
poderem ‘pensar’, como nós humanos, escolheu sabiamente o mais
complexo desafio para uma máquina.
Na verdade, o desafio de ´pensar´ cria uma barreira técnica e filosófica
acima dos limites atuais, e talvez futuros, da capacidade
computacional das máquinas que o homem ainda irá conceber.
Entretanto, os caminhos para a resposta a essa pergunta são cada vez
mais percorridos pelos sistemas, principalmente no mercado
financeiro.
A tal ponto que o teste de Turing poderia ser substituído, em nossa
área, por algo do tipo um computador conseguir obter mais retorno,
de forma consistente, em decisões de investimento que a maioria dos
gestores humanos.
E cada vez mais esse teste é feito na prática.
Para quem conhece meu trabalho com finanças quantitativas, a muito
tempo acredito e proponho que os sistemas podem ter visão

93
estratégica e de futuro tão ou mais competitiva que a dos gestores
humanos.
E uma boa parte de meu esforço hoje está na prova de conceito dessa
modelagem da visão pelos algoritmos.
Mas gostaria de andar um passo adiante nessa minha visão sobre os
robôs, digamos assim, e propor algo novo que é a modelagem da
intuição, nos mesmo princípios dos gestores humanos.
Sinceramente, e já respondendo Turing, não acredito que máquinas
possam ‘pensar’ como humanos, pois nesse caso considero que
deveriam ter consciência para isso, como comentei em capítulos
anteriores.
Ou seja, criamos máquinas, apenas isso, que em muito estarão abaixo
dos seus criadores, humanos.
Mas em muitas características, os robôs podem imitar a natureza e os
homens, e a visão e intuição parecem exemplos de onde podemos
caminhar, após os desafios de criar máquinas tão inteligentes como
seus criadores, algo que parece cada vez mais nossa realidade.
E, no Mercado de Capitais, as máquinas podem cada vez mais competir
de igual para igual com os traders discricionários.

A lógica por trás da intuição


Nunca foi tão fácil criar um robô trader ou investidor para operar no
mercado de capitais como atualmente, mesmo na BM&FBovespa.
Entretanto, encontrar um bom sistema operacional, que seja resiliente
e tenha consistência para enfrentar os cenários mais improváveis,
nunca foi e talvez nunca será uma tarefa fácil.

94
Quanto mais automatizamos nossas táticas e estratégias, mais
encontramos pontos fracos nelas, tanto olhando para trás
(backtesting), como para frente em testes reais.
Se você está enfrentando essa dificuldade, não está sozinho.
Aliás, provavelmente todos algotraders estão se deparando de uma
forma ou outra com as mais variadas complexidades de encontrar um
modelo consistente para enfrentar as incertezas do futuro.
E isso se deve a algo muito simples de entender: as decisões futuras
que afetam as operações de todos traders do mercado são
absurdamente infinitas.
E encontrar modelos para enfrentar o infinito não é realmente uma
atividade trivial.
Mas como esse é um problema igual para todos que operam no
mercado, a diferença entre eles pode estar justamente no fato de que
quem opera com Robôs Investidores, ou seja, com sistemas
operacionais automáticos, tipicamente reage de forma mais rápida.
Os traders discricionários, diante da infinita incerteza, não podem ser
desconsiderados quando pensamos em velocidade de reação.
E isso acontece devido ao nosso potencial de reagir por intuição, que é
uma característica que talvez tenha garantido nossa sobrevivência nos
mercados, e na vida real, nos momentos mais críticos de nossa vida.

A rápida reação dos robôs é consequência de vários fatores


característicos de uma máquina e seus algoritmos, como a velocidade
de percepção de mudanças de indicadores, processamento gigante de
informações de mercado em tempo real, e, o mais importante, tomada
de decisões com grau zero de comprometimento emocional.

95
Quanto maior o número de forças do mercado modeladas pelo robô
que possam de alguma forma serem quantificadas e qualificadas,
maior a vantagem competitiva de reação dos algoritmos e, portanto,
de inteligência em tempo real.
Sim, inteligência em tempo real, algo que para nós, humanos, não
parece muito natural.
Mas essa inteligência artificial nada ou muito pouco tem a ver com a
intuição humana.
E talvez justamente essa característica e diferencial seja um ponto a
ser modelado nos robôs do futuro.
Esses novos sistemas serão capazes de entender a intuição humana,
descobrindo padrões, a ponto de criar cenários para tirar vantagem
dela, mas, principalmente, imitar nosso comportamento, quando ele
se mostra eficaz nos mercados.
Assim como acredito na visão dos robôs, e vejo ela cada vez mais
eficaz nos mercados, a lógica de modelagem de intuição não me
parece uma barreira intransponível para a máquina.
Mas apenas o tempo poderá dizer se essa será realmente uma
característica relevante nas máquinas que irão dominar o mercado no
futuro.

A Hipótese da Visão nos Robôs Investidores

Existem muitas hipóteses na área de finanças e mercado de capitais.

Uma das mais conhecidas é a Hipótese do Mercado Eficiente (HME),


proposta por Eugene Fama, ganhador do Prêmio Nobel de Economia
de 2013, que trata sobre a eficiência em relação às informações, que
por hipótese impediria algum investidor ou trader atingir retornos

96
consistentes acima da média de mercado utilizando informações
públicas para sua tomada de decisão.

Mas na minha escola, proponho uma outra hipótese, que é a de que os


investidores ou traders com melhor visão sobre as informações que
irão acontecer no futuro são os com maiores chances de atingir
retornos consistentes acima da média, e que portanto esse retorno é
possível, apesar de não existir nenhum determinismo quanto a isso.

Em outras palavras, podemos chamar essa de a Hipótese da Visão de


Mercado (HVM), que busca identificar quais são os possíveis cenários
futuros de mercado em relação aos preços dos instrumentos
financeiros, e quais as mudanças que estão acontecendo para atingir
esses cenários, de forma a atingir retornos acima da média. E essa
hipótese surge de uma premissa simples, que é a possibilidade de os
grandes players ‘escreverem’ o futuro dos mercados.

Acredito que essa seja uma das maiores verdades do mercado, mas
por ser focada no futuro e não no passado, ela é pouco estudada e
valorizada, já que não ‘vemos’ o futuro tão facilmente quanto analisar
dados passados. Os dados que já aconteceram são concretos, os
cenários futuros são puras hipóteses, e o trader prefere certamente se
agarrar em dados mais concretos, embora muitas vezes distantes da
verdade.

Na verdade a palavra ‘visão’ é raramente citada no mercado de


capitais.

O mais próximo disso que vejo alguns traders comentar é a expressão


análise macro ou Big Picture, o que ainda é muito focado no presente.

Entretanto na área de estratégia empresarial, a palavra ‘visão’ é


constantemente utilizada e valorizada, principalmente nas estratégias
de marketing e inteligência competitiva das empresas. Executivos e
empresários com ‘visão’ são altamente buscados no mercado, pois eles

97
podem ver cenários que os concorrentes ainda sequer sonham que um
dia iriam existir.

Existe um clichê no mercado que afirma que o principal patrimônio de


uma empresa são seus funcionários ou colaboradores.

Na minha opinião, os principais ativos de uma empresa são seus


executivos visionários. Cite-se como exemplo a empresa Apple e Steve
Jobs, ou ainda a Microsoft e Bill Gates.

A genialidade visionária desses executivos foram o alicerce dos


resultados dessas empresas.

E no Mercado de Capitais, formado essencialmente pelas ações das


empresas, porque haveria de ser diferente?

Pela Hipótese da Visão de Mercado (HMV), um investidor de visão irá


perceber os movimentos que irão formar um cenário futuro,
previamente visualizado por ele, muito antes dos demais, colhendo
resultados que poderão ser acima da média de mercado, se sua visão
estiver correta ou próxima a isso.

Em 2008 apresentei em meu trabalho de conclusão de MBA essa


hipótese, e desde lá não encontrei nada mais eficaz no mercado,
principalmente nos testes de laboratório com milhares de robôs, hoje
disponíveis para todos clientes da Trajecta.

Em 2010 quando o serviço de sinais da MetaQuotes, pelo site


MQL5.com, entrou no ar, esses sistemas operando apenas por visão de
mercado, utilizando métodos quantitativos, passaram a liderar
continuamente em termos de performance, competindo com os mais
variados conceitos e tecnologias internacionais.

98
E isso me fez acreditar cada vez mais que o caminho da verdade esteja
na capacidade de detectar de forma antecipada os cenários futuros de
mercado.

Algo que já é feito hoje por muitos investidores de sucesso, mas que,
através dos robôs investidores, hoje está ao alcance de qualquer
trader.

E os robôs trazem a vantagem de poder detectar de forma digital o


movimento em tempo real, que acredito ser evolucionário, em busca
de seus movimentos em direção a determinados cenários futuros.

Nesse ponto, a Hipótese da Visão de Mercado bate de frente com


outra, que é a Hipótese dos Mercados Fractais, proposta por Benoit
Mandelbrot.

Com todo respeito a essa visão de Mandelbrot, que considero um dos


maiores gênios da atualidade, a característica evolucionária dos
mercados não é necessariamente fractal, embora aparente isso em
alguns momentos.

A evolução é, como na natureza, muitas vezes caótica, e acredito que


os mercados seguem percursos que, pela competição das empresas, é
muitas vezes puramente aleatória ou dependente de sorte, como
defende Nassim Nicholas Taleb em suas conhecidas obras, o que a
teoria fractal não consegue contemplar.

Ter o alicerce de muitos robôs testando uma hipótese em tempo real


sem dúvida ajuda bastante na avaliação e conclusões aqui
apresentadas, mas a verdade está sempre mudando no mercado, e
devemos perseverar atrás dela, se desejamos de fato resultados
consistentes a médio e longo prazo.

Mas gostaria de lembrar que essa é apena uma nova hipótese que
apresento ao mercado, e, como todas hipóteses, pode não ser correta.

99
Afinal, a única verdade que parece absoluta até o momento, é que os
mercados possuem complexidade e incerteza infinita.

--==***==--

100
Capítulo 6

A inércia e como ela impacta seus resultados

101
Um dos maiores desafios do Mercado de Capitais é que muitas
estratégias sobrevivem como vírus nos seres vivos, ou seja, necessitam
de um tempo de incubação.

E não esperar por esse tempo, quase sempre é fatal.

Chamo isso de inércia da Arte e da Ciência.

Os movimentos sem inércia acontecem apenas na teoria. Na prática, e


no mundo real, a realidade é a presença constante da inércia.

Figura 6.1 – Mudança de Setup alinhada à inércia da curva de capital

Nas Figuras 6.1 e 6.2, por exemplo, vemos uma sequência de decisões
de mudança de Estratégias e Setups de determinados sistemas
operacionais automáticos.

102
Na Figura 6.1 as decisões não são automáticas, dependendo de
escolhas discricionárias do algotrader, e na Figura 6.2 são totalmente
automatizadas.

Em ambos exemplos, deve-se levar em conta a inércia da própria


reação aos movimentos dos preços após a mudança de um Setup para
outro.

Não é uma decisão de mudança simples, tanto para o gestor humano


como para o sistema de autoajuste, principalmente se levarmos em
conta apenas a curva de capital.

Figura 6.2 – Autoajuste de Estratégia alinhada à inércia da curva de


capital

O mais apropriado para apoiar o entendimento do que é possível


visualizar em termos de retorno é comparar a evolução das mais
variadas métricas, como por exemplo o fator de lucro e o fator de
benefício do robô, ou ainda o drawdown ou rebaixamento máximo a
cada mudança.

103
E a maior parte dos algotraders irá desistir dos robôs antes de
descobrir isso.

Na verdade, mudar de Estratégia e Setup do seu Robô Investidor irá


depender muito mais de Arte do que de Ciência, embora seja possível
construir modelos quantitativos para isso.

Afinal, a maior parte dos modelos irão falhar, principalmente se não


levarem em conta a temível inércia dos Mercados, que está alinhada
aos momentos e clímax que descrevi em capítulos anteriores.

E provavelmente uma das decisões mais relevantes para um algotrader


é a que determina a escolha e mudança do setup do seu robô.

A seguir, passo um método próprio para isso, que busca formalizar e


quantificar esse processo, de forma a diminuir ao máximo os efeitos
das emoções nessas decisões.

Mas antes de entrarmos nesse contexto, é importante entender bem o


impacto da escolha do setup de qualquer sistema operacional.

Com a evolução de ferramentas e plataformas de algoritmos, é cada


vez mais fácil criar modelos com múltiplos parâmetros, onde
provavelmente alguns deles terão uma boa possibilidade de acerto,
pelo menos para os próximos dias de mercado.
Entretanto, essa mesma facilidade cria uma dificuldade relacionada ao
absurdo número de combinações possíveis de valores dos parâmetros.

Mesmo estratégias simples, como relacionadas ao momento de


cruzamento de médias móveis, podem em poucos parâmetros levar a
milhões de combinações possíveis de setups.

Qual setup escolher?

104
Note-se que, em tese, seria possível alterar o setup a cada novo trade,
buscando a otimização desse processo.

E esse fato torna a decisão de escolha do primeiro setup muito menos


relevante do que realmente pode fazer diferença, ou seja, quando
mudar.

Apesar disso, muitos algotraders dedicam-se horas e horas na busca do


setup ótimo, se é que ele é passível de descoberta em um cenário
assim tão complexo.

No meu método, o que recomendo para meus alunos e clientes é que


se preocupem menos, bem menos, com o setup inicial, deixando para
focar na troca de setup, buscando um método o mais quantitativo
possível para isso.

Afinal, o mercado não está parado, e é muito provável que seu setup
carregue principalmente a inteligência dos movimentos passados.

Quando mudar de setup

O meu método para troca de setup, que serve apenas de um exemplo


para você criar um próprio, é baseado em uma premissa básica na área
de estratégia, que é evitar mudar quando se está obtendo resultados.

É similar a uma máxima conhecida por qualquer treinador de futebol:


em time que está ganhando, não se mexe.

Na prática, acredito que quando encontramos um bom setup,


devemos mexer apenas nas métricas para avaliação de sua
performance, ou seja, se realmente existe consistência de resultados e
adaptação aos movimentos evolutivos do mercado.

105
Chamo essa adaptação de aderência, ou seja, aderência da Estratégia e
Setup ao mundo real. Evidentemente você necessita operar em conta
real para testar de fato a aderência.

Fazer isso parece simples, mas no Mercado de Capitais, de forma


diferente do futebol, não temos jogos com apenas três resultados
possíveis, ou seja, derrota, empate ou vitória.

Dessa forma, o que recomendo é adotar um critério que seja similar ao


da vitória ou sucesso de qualquer estratégia para quantificar a
performance do seu robô.

Por exemplo, pode-se considerar um sistema com ganho de 1% ao mês


como um indicativo de sucesso.

Evidentemente essa não é uma regra geral, com validade para


qualquer algotrader, e, portanto, você deverá definir seu próprio
critério de vitória.

Da mesma forma, é necessário definir um critério para a derrota, como


por exemplo perda de 1% ao mês, se desejamos fazer algo simétrico ao
que quantificamos como sucesso.

Se você define o critério de performance de derrota ou vitória, tudo


que estiver nesse intervalo pode ser considerado como empate.

A partir daí, fica fácil identificar o momento de troca de seu setup,


sendo que pelo meu método adoto as três regras abaixo:

1) Estado de Perda: trocar o setup o quanto antes


2) Estado de Empate: aguardar
3) Estado de Vitória: definir nova meta para o setup

Os estados 1) e 2) são simples e óbvios de entender. Mas o estado 3)


exige uma reflexão maior.

106
Pelo menos levei um bom tempo até chegar nele, entre erros e acertos
na troca de setups de milhares de robôs.

E essa reflexão tem a ver com o que denomino de evolução dos


mercados, que é um dos conceitos adotados hoje na economia
moderna.

Sobre a evolução dos mercados

Uma vez que, para nós, a maioria dos algotraders e mortais, não é
possível formar o mercado, temos que nos contentar em nos adaptar a
sua evolução.

Estabelecer metas para Setups que não estão alinhadas ao que


realmente o mercado está ofertando é o mesmo que tentar correr
mais rápido cem metros rasos que o Usain Bolt.

É mais lógico, antes de estabelecer uma meta qualquer de


performance, procurar conhecer e avaliar a volatilidade do mercado e
o grau de risco e incerteza de seus movimentos.

Essa não é uma tarefa fácil, mas pode ser determinante na escolha do
momento de troca do setup, que por sua vez será ainda mais
determinante no retorno de seus investimentos em algoritmos.

Seja como for, não esqueça de estudar para seu método uma forma
quantitativa de determinar o que é sucesso ou insucesso de seu
sistema operacional, buscando uma maior eficácia na troca de seus
setups.

Os algoritmos genéticos
Os algoritmos genéticos são extremamente importantes para o
segmento de finanças quantitativas, pois são uma heurística para

107
permitir que as máquinas possam decifrar de alguma forma as
incertezas futuras.
Eles fazem parte de um segmento de tecnologia denominado
Computação Evolucionária, que utiliza varias técnicas para modelar
vários dos princípios propostos por Charles Darwin.
Assim como as pessoas e os mercados evoluem, existem modelos
prontos para processar essa evolução nos computadores, nos mais
variados níveis.
Eles podem fazer parte da plataforma, como por exemplo no processo
de otimização e backtesting, ou ainda diretamente dentro do robô.
Também é possível nos posicionarmos bem acima em termos de escala
hierárquica, como por exemplo através da construção de um ranking
de Estratégias e Setups.
Por exemplo, quando conseguimos modelar a visão estratégica de
futuro em um robô 100% automático, ou seja, autônomo e inteligente,
utilizando algoritmos genéticos, torna-se possível compor uma linha de
evolução dos mercados.
A linha é justamente o fluxo de evolução, ou sua trajetória, e descobrir
esse fluxo é fundamental.
Uma vez descoberto o fluxo, seguir ele parece ser uma tarefa bem
mais simples, principalmente quando temos um método para isso.

Obstáculos psicológicos que prejudicam a performance do seu robô


A emoção talvez seja a maior inimiga da inércia.
Um dos principais argumentos a favor da operação com robôs traders
está no fato de que podemos com eles eliminar o fator emocional dos
trades.

108
Mas será que realmente não existem obstáculos psicológicos que
possam prejudicar a performance do seu robô?
Certamente sim, e não são poucos.
Um exemplo de obstáculo psicológico, e que acontece com a maior
parte dos algotraders, ou seja, traders que operam com robôs e seus
algoritmos, é quando examinam as operações realizadas e encontram
decisões que consideram erradas.
Isso pode acontecer tanto em robôs caixa-preta como caixa-branca, ou
seja, onde nada se sabe sobre suas estratégias ou onde tudo se sabe.
É fácil criticar um algoritmo após ler o que já aconteceu, ou seja, ser o
profeta do acontecido.
Mas no momento em que o robô tem que decidir e o futuro é de total
incerteza, assim como o trader humano os sistemas automatizados
estão sujeitos a erros de avaliação.
O problema dessa falsa expectativa, tipicamente emocional, é que ela
irá impactar em mudanças prematuras, como na troca da estratégia,
de setup ou até mesmo do código fonte do robô.
E com isso se abre um paradoxo, pois justamente a tecnologia que iria
nos afastar de fatores emocionais acaba por impulsionar decisões em
níveis abstrato puramente psicológicas.
Outro exemplo típico é que raramente os algotraders aceitam
estratégias ou setups onde, após colocarem em operação, nenhuma
operação é aberta.
Nada corrói mais o algotrader que um robô parado, sem operações.
Essa situação aparenta algum erro ou falha do sistema, ou de
avaliação.

109
Como em um mercado de tantas oportunidades, e justamente um
robô com tanta tecnologia, nenhuma operação é realizada?
Mas na verdade, muitas vezes a decisão de ficar fora do mercado é a
mais inteligente que um trader ou seu robô pode tomar.
Sem perceber ou aceitar isso, o que acontece na prática é a decisão,
puramente emocional, de forçar uma operação através da mudança do
setup do robô, o que muitas vezes é feita através de nova otimização e
backtesting.

Como superar os obstáculos psicológicos


Acredito que não exista nenhuma fórmula mágica para superar as
questões emocionais na operação com robôs.
Mas assim como na psicologia, um caminho para o tratamento é
conhecer a si mesmo e reconhecer a seus erros.
Para isso, recomendo antes de mudar um Setup ou o comportamento
de qualquer robô, fazer a seguinte pergunta a si mesmo: está mudança
tem alguma lógica baseada em fatores científicos e quantitativos ou é
baseada em ‘achismo’?
Espera-se que quanto mais quantitativas forem suas decisões de
mudanças nos robôs, ou seja, na prática mais sistêmicas, menores
serão os impactos emocionais.
Mas essa é a teoria, na prática sabemos que a tentação de não seguir
regras sistêmicas é uma característica muito comum na maior parte
dos algotraders, principalmente nos iniciantes nessa área.

--==***==--

110
Capítulo 7

O futuro dos Robôs Investidores

111
Enquanto a maioria dos algotraders ainda está envolvida com os
algoritmos de seus robôs, automatizando suas principais estratégias,
uma nova geração de robôs traders, com inteligência e autonomia de
descoberta e decisão, e que irá abstrair todo esse processo, se
aproxima.
No Brasil, como estamos bastante atrasados em relação a outros
mercados no segmento de finanças quantitativas, ainda vivemos a
realidade da automação pura de estratégias, que é um dos primeiros
passos para iniciar esse processo evolucionário.
Afinal, transformar uma estratégia discricionária em uma estratégia
sistêmica embutida em um sistema operacional não é uma tarefa fácil,
e a maior parte das estratégias sob o formato de um algoritmo são
tipicamente uma automação de processos de decisão criados no
passado.
Muito desse atraso deve-se à pouca disseminação das plataformas de
algoritmos, que somente a partir do ano passado começaram a ser
distribuídas para operação em nossas corretoras.
No mercado internacional, apenas para comparação, essas mesmas
plataformas, principalmente no mercado Forex, sem dúvida o mais
competitivo na área de algoritmos, já estão disponíveis a muitos anos.
Mas as portas, infelizmente, ainda estão fechadas para esse mercado
nas corretoras nacionais, estando disponíveis apenas os conceitos e
tecnologias.
A guerra de tecnologia nessa área é cada vez mais de inteligência,
embora essa implique muitas vezes em força bruta, principalmente
nos algoritmos de alta frequência, que demandam complexidades
maiores para aproveitar oportunidades de ganho em tempos cada vez
menores.
Você irá descobrir, mais cedo ou mais tarde, que os robôs mais
inteligentes são os que vencem no mercado, com lógicas e algoritmos

112
que formam um complexo sistema de análise e tomada de decisões
em tempo real.
E para ter esse insight é preciso entender de sistemas e não somente
de mercado.
Quando você descobrir isso - se já não aconteceu - irá se defrontar
com diferentes níveis de hierarquia dos sistemas, que no final formam
um ecossistema ou sistema de sistemas em uma cadeia sem fim.
Seja como for, ninguém cria um robô no nível de um ecossistema, sem
começar entendendo e criando algoritmos, e portanto, nesse ponto,
nenhum trabalho de algoritmos é desnecessário.
O que falta é uma visão menos superficial dos algoritmos e de sua real
complexidade, o que é fundamental para de alguma forma encarar a
soberania dos mercados.
Note que não estamos falando aqui de sistemas imbatíveis.
Na verdade, acredito que nenhum sistema tem a capacidade de
superar permanentemente o mercado, ou resolver o problema de
forma determinística, por um motivo simples: a incerteza infinita das
decisões futuras de compra e venda de traders, investidores, gestores
e outros robôs.
Mas o que os robôs que nos esperam fazem ou que iremos enfrentar
poderão fazer, e nesse ponto até melhor que qualquer gestor, é
descobrir e testar novos e antigos modelos de forma muito rápida e
cada vez mais inteligente.
Graças à inteligência de seus sistemas e de seus algoritmos, e cada vez
menos de seus construtores.
E, para chegar nesse ponto, é necessário criar modelos para a
Imaginação, de forma a unir Arte e Ciência.

113
Encare o desafio e a realidade dos algoritmos e mercados
Como desenvolvedores e traders, enfrentamos uma desanimadora
realidade: mesmo com todo esforço e competência na área de
tecnologia e finanças que seja possível atingir, e o limite é crescente,
se desejamos sobreviver na renda variável, a máxima certeza que
poderemos ter é a probabilidade de nossos modelos gerarem
resultados.
Ou seja, podemos e devemos buscar conhecimento, métodos,
tecnologias, sistemas, etc., que aumentem nossa probabilidade de
sucesso.
E, para isso, os algoritmos são apenas os primeiros passos da longa
jornada que o trading quantitativo nos reserva.
Essa verdade explica porque muitas vezes os professores,
desenvolvedores e grandes especialistas da área financeira não
atingem resultados grandiosos com suas ideias e métodos, enquanto
alguns de seus alunos, clientes e discípulos, apenas por terem mais
sorte, aplicam os mesmos métodos, produtos e ensinamentos com
resultados superiores.
A sorte, na verdade, é apenas o aumento da amostra de testes, que
pela estatística, mais cedo ou mais tarde, irá encontrar os vencedores,
se as ideias e métodos forem realmente de qualidade.
Afinal, se tem gente que ganha na loteria, quem dirá quem investe e
persevera em bons conceitos e tecnologias na área financeira.
Isso não significa que alguns traders não encontrem e comprem
bilhetes premiados, mas esses, quando legais, são a exceção à regra e
com duração cada vez mais curta, levando muitos para a alta
frequência de operação.

114
A boa notícia, para os otimistas, é que nesse cenário e realidade de
complexidade infinita, a estatística caminha ao lado dos algoritmos e é
uma poderosa ferramenta contra a complexidade e incerteza.
Além disso, quanto maior seu histórico de insucesso e investimento
em tecnologia e conhecimento de mercado, a lógica otimista é que a
probabilidade de acerto seja ainda maior.
A má notícia, para os pessimistas, é que talvez, por melhores que
sejam seus artefatos de tecnologia e expertise de mercado, você nunca
tenha sucesso.
E essas notícias valem para qualquer um de nós e para transformarmos
algoritmos eficientes em sistemas eficazes, com o mínimo de fator
sorte, é necessário enfrentar uma longa jornada de estudos na área de
ecossistemas financeiros.

Robôs Autônomos

Automatizar uma estratégia pode parecer simples, ainda mais com os


avançados recursos das plataformas de algoritmos atuais. Entretanto,
um dos desafios mais complexos para a operação automática com
robôs no Mercado de Capitais está no seu ajuste ou Setup.

E esse desafio se torna ainda maior quando desejamos que o ajuste


seja feito pelo próprio robô, ou seja, através de um autoajuste ou auto
setup, se você preferir.

Mas se conseguimos vencer ele, pelo menos em determinados


cenários de mercado, estamos na prática criando robôs autônomos, ou
seja, muito mais que simples automação de estratégias, praticamente
sem nenhum parâmetro de entrada.

No passado, muitos traders utilizavam estratégias automáticas tão


engessadas que eram elas próprias chamadas de Setup.

115
Na verdade, mesmo para a realidade de um mercado bem menos
competitivo que o atual, essa era uma perigosa utopia, que porém se
tornava uma forma fácil e lucrativa de atrair seguidores, disseminando
em cursos e livros suas bases estáticas.

Mas a realidade atual mostra que, se mesmo estratégias estáticas irão


sofrer para sobreviver, quanto mais setups estáticos.

Entretanto, se temos uma boa estratégia, parece uma boa ideia buscar
encontrar algoritmos de aprendizado de máquina e inteligência
artificial para descobrir de forma autônoma novos Setups, se
adaptando de forma resiliente às evoluções dos mercados.

E essa é a característica principal que considero terem os Robôs


Autônomos, que é uma das áreas de pesquisa que me dedico em
desvendar sua arte e ciência, através da construção de laboratórios de
robôs sem parâmetros de entrada.

Física quântica, algoritmos e a competência artificial

Entendo que o termo mais correto para descrever o estágio de


evolução dos algoritmos e seu impacto na competitividade das
empresas e mercados atualmente seja o de Competência Artificial, ou
simplesmente CA.

Estamos cercados de algoritmos com competência para executar


tarefas nas mais variadas áreas, científicas ou não, inclusive no
Mercado de Capitais.

Mas, apesar de existirem na Computação Cognitiva diversos modelos


que buscam a competência na solução de problemas, eu ainda prefiro
utilizar o critério de eficácia da solução como real métrica quantitativa
na avaliação do estado da arte da Inteligência Artificial.

116
Mas por ignorância ou falta de humildade, atribuímos no passado
como Inteligência Artificial, ou simplesmente IA, um sonho de ter
verdadeiramente algoritmos inteligentes.

Sem dúvida evoluímos bastante na área de IA, mas a meu ver o


cérebro e a inteligência humana estão em um nível tão infinitamente
superior que, assim como nos dilemas que encontramos na área de
física quântica, faltam os elos científicos para criarmos máquinas
realmente inteligentes.

E os novos conceitos de Computação Cognitiva estão mais alinhados


com essa realidade.

Sendo assim, muitas vezes me pergunto até que ponto esses elos não
nos conectam às decisões de carteiras, ou seja, Buy e Sell, que
poderiam ser modeladas em robôs com verdadeira Inteligência
Artificial?

A verdade é que as linhas de pesquisas ainda estão fortemente


alinhadas aos princípios do que se vê na natureza (CA), e pouco do que
não se vê (IA, de fato).
Nosso cérebro, por outro lado, não menospreza o potencial quântico e
produz emoções e intuições que nenhum algoritmo consegue emular
minimamente.

E as pesquisas de IA pouco entendem desse assunto, afinal, é


realmente muito difícil crer no que não se vê, muito mais ainda
trabalhar em estudos assim.

Mas a boa notícia, antes que alguns traders comecem a comemorar


nossa distância da IA, é que para vencer no mercado basta CA, ou seja,
competência.

Cada vez mais está provado que basta desenvolver algoritmos


competentes para operar no mercado para conseguirmos atingir

117
resultados iguais ou superiores aos dos gestores humanos, desde que a
escolha desses sistemas e a opção do momento de ativação ainda
esteja nas mãos dos algotraders.

Inclusive a competência para modelar cenários e construir algoritmos


com visão estratégica e de mercado, que é uma das linhas de pesquisa
que proponho a muitos anos e acredito ser fundamental para
gerarmos curvas de capitais no padrão alfa.

Talvez, um dia, as máquinas, dominando os mistérios que unem


matéria e a inexistência dela, terão de fato IA, e irão competir apenas
entre si, com autonomia e grande velocidade de decisão.

Mas temos que ter a humildade de reconhecer que, por mais


inteligente que uma máquina possa se tornar, ela será apenas o
resultado de uma inteligência superior a sua, também em evolução.

Buscando a causa e o efeito nos mercados


Grande parte das pesquisas que trabalho em laboratório são focadas
em algoritmos que modelam cenários futuros, buscando seguir os
conceitos da Escola da Visão.
Na verdade chamo isso de busca da visão quantitativa, e como
descrevi em vários pontos nesse livro, ela é cada vez mais necessária
para traders e investidores sobreviverem no mercado.
Apesar de ver e reconhecer muito valor em tudo que já foi construído
em termos de outras escolas, e que são a base para muitos dos
modelos quantitativos dos robôs, principalmente no que se refere à
identificação de padrões, acredito que seja necessário criar novos
paradigmas para descobrir padrões e modelos.
E descobrir de forma automática.

118
Ou seja, construir modelos dinâmicos e automáticos de visão de futuro
que facilitem a mudança rápida e contínua das Estratégias e Setups e a
busca cada vez mais criativa da evolução dos próprios modelos
originais.
Sem dúvida considero a identificação das tendências de preços e
volumes como uma relevante contribuição da Análise Técnica, porque
ela facilita e muito a identificação de padrões.
Mas hoje existem cada vez mais dados para análise, representando os
efeitos das decisões dos traders e investidores em sua totalidade, que
não estão representados na análise técnica.
Da mesma forma, a Escola Fundamentalista tenta de alguma forma
usar a análise dos dados
O único problema dessa abordagem e praticamente as demais de
todas outras escolas é que elas são baseadas em dados do passado e
de puro efeito, ou seja, que já aconteceram representando o efeito das
decisões tomadas.
Esse é o mesmo problema que enfrentam os sistemas de alta
frequência ou os scalpers, seja através de arbitragem estatística,
análise de fluxo de ordens, ação dos preços, etc, todos eles partem de
análise estatística de dados passados e puramente do efeito das
decisões.
Podemos ler os dados mais atuais que a tecnologia permite, e na
velocidade da luz, mas mesmo assim estaremos lendo e processando o
passado e os efeitos racionais e emocionais dos traders e investidores.
E quanto maior a frequência mais difícil e maior o custo de encontrar
padrões, obrigando o trader buscar sistematizar seus métodos, pois
senão será obrigado a passar o dia buscando padrões manualmente.
Mas é possível analisar as causas e os cenários futuros?

119
Na minha opinião, os traders e investidores de sucesso possuem como
principal competência a visão estratégica e de futuro.
Eles são brilhantes nisso.
Talvez alguns nem tanto, porque obtiveram informações do futuro de
formas escusas, mas acredito que a grande maioria venceu mesmo por
sua visão.
E a verdade é que os padrões existem, e eles podem ser encontrados
nas mais variadas frequências, abordagens e tipos de análises, e não
por coincidência encontramos traders de sucesso com as mais variadas
metodologias.
Os padrões estatísticos e modelos encontrados pela Análise Técnica de
preços e volumes provam a causalidade dos dados tanto quanto na
análise de alta frequência a sequência de ordens encaminhadas ao
mercado e negócios realizados.
O problema é que essa é uma prova do passado, já que os dados são
sempre históricos, mesmo que em tempo real.
E como podemos encontrar padrões que não sejam apenas do
passado?
A minha resposta para isso chama-se análise de cenários futuros, ou
seja, a geração e análise de hipóteses para o futuro que também
podemos definir como a formalização de nossa visão estratégica ou de
futuro.
E o mais importante é que podemos modelar essa visão em robôs e
usando padrões descobertos por análise técnica de preços e volumes
ou até mesmo de análise do fluxo de ordens.
Não fosse a barreira do futuro ser diferente do passado, e os padrões
mudarem frequentemente, todos ganhariam na bolsa.

120
Mas os padrões mudam cada vez mais rápido e a visão é a forma de
encontrar e validar eles que a meu ver irá dominar o mercado no
futuro, principalmente a presente nos robôs.
Um robô pode detectar e trocar de padrão de forma cada vez mais
rápida e usando critérios de escolha cada vez mais inteligentes.
A inteligência de máquina evolui cada vez mais contribuindo para a
visão de robôs treinadores e autônomos, totalmente sem paradigmas
de frequência, dados, informações ou preocupação com existência ou
não de causalidades.
O topo do ranking de traders e sistemas do futuro será dos melhores
modelos de visão de futuro, embora a maior parte dos traders ainda
esteja presa aos dados do passado, sejam eles o que for, ou seja,
notícias, preços, volumes, ordens, negócios, etc.
E o grande paradoxo é que talvez estejamos ensinando os robôs a
terem visão para daqui um tempo eles nos provarem que somente eles
conseguem encontrar padrões e mudar de forma a sobreviver no
mercado.

Seja como for, temos apenas uma máquina

Talvez o máximo que se possa esperar dos Robôs Investidores é que


eles serão uma eterna ferramenta de apoio à tomada de decisões de
seus criadores.

Mesmo assim, se isso for verdadeiro, o que você ainda está esperando
para começar a viver essa nova realidade de operação com robôs?

Afinal, as pesquisas de Inteligência Artificial buscam encontrar meios


de resolver problemas de forma tão competente como os seres
humanos, mas utilizando exclusivamente máquinas e seus ‘cérebros
digitais’.

121
Porém, o grande desafio da utilização e desenvolvimento de
Inteligência de Máquina através de robôs traders e investidores está
no fato de que esse é um problema de complexidade e incerteza
infinita.

A própria inteligência dos melhores gestores humanos não encontrou


até hoje uma forma determinística de resolver esses problemas, e
provavelmente nunca encontrará, já que o mercado se mostra cada
vez mais complexo e desafiador.

Diante desse cenário, o que podemos esperar para os robôs traders?

A primeira coisa, na minha opinião, é não esperar milagres, já que os


robôs que operam utilizando algoritmos inteligentes com capacidade
de ‘aprender’ ou adquirir conhecimento de forma autônoma,
dependem ainda, e muito, da capacidade de seus criadores de
encontrar meios para superar o mercado.

Dessa forma, a primeira classe de robôs com Inteligência Artificial que


podemos considerar de alto risco são os que dependem de modelos
ajustados ou ‘treinados’ através de bases de dados do passado, seja
através de otimização por backtesting, ou até mesmo outras técnicas
mais avançadas de eliminação de sobre-ajustes, como o teste para
frente ou forward testing.

Não é impossível que determinada estratégia se mostre rentável, a


curto e médio prazo, baseada apenas em otimização por backtesting,
seja com algoritmos simples, seja com algoritmos complexos de
Inteligência de Máquina.

Mas a realidade é que dificilmente um único sistema conseguirá ter


uma performance alfa durante um tempo razoável.

122
O mais esperado, pelo menos em tese, é que apenas sistemas de
sistemas possam atingir esse nível.

Robôs que imitam o processamento em nosso cérebro

A tecnologia atual permite criar cada vez mais estruturas e sistemas


similares ao do cérebro humano, que na verdade é um grande sistema
de sistemas.

Até alguns anos atrás, se imaginava que nosso cérebro atuava com
diversos sistemas isolados para a execução de suas tarefas, mas hoje
as pesquisas mais avançadas de neurociência revelam uma complexa
rede de trocas de sistemas, inclusive quebrando paradigmas de até
que ponto conseguimos ser puramente racionais, já que até mesmo os
aspectos emocionais, e toda sua química, estão de uma forma ou outra
interligados aos processos decisórios e de sinapses que ocorrem em
nossas redes de neurônios.

E como ‘emular’ toda essa complexidade em máquinas que entendem


apenas lógica binária como seu substrato?

Acredito que a solução esteja no processo de criação e análise de


múltiplas estratégias.

Ou seja, em criar robôs com Inteligência de Máquina capazes de criar


novas estratégias, testá-las e compará-las de forma totalmente
autônoma, buscando uma resiliência de alinhamento de algoritmos
com os movimento e mudanças de mercado.

Pesquisando por essa linha a vários anos, percebi também que o


processo de visão estratégica e de futuro do ser humano segue
caminhos parecidos, aperfeiçoados pelos princípios evolucionários de
Charles Darwin de forma a garantir nossa sobrevivência.

123
As portas do mercado para os sonhos de Turing

Somos uma máquina fantástica de criação de modelos visionários para


enfrentar as incertezas do futuro, e os processos para isso podem ser
cada vez mais replicados em máquinas digitais, como os
computadores, ou, quem sabe, futuramente, encontre-se maior
facilidade ainda se modelarmos visão em máquinas quânticas.

O grande problema é que o processo de tentativa e erro para


comparação de estratégias pode ser custoso, principalmente quando
executado em conta real. Para tornar ele viável, acredito que a melhor
solução seja a criação de máquinas que executam trades de forma
virtual, baseados em dados reais, mas em tempo real, como se fossem
uma grande rede de ‘pensamento’, como um dia nos apresentou como
um desafio o genial Alan Turing.

Penso que o Mercado Financeiro talvez seja o primeiro terreno onde


encontraremos as máquinas que ‘pensam’ como sonhou Turing.

Isso por sua relevância na vida de pessoas e empresas e absoluta


independência de processos físicos externos, como os que se baseiam
em inteligência de movimento ou que são impactados pela natureza,
naturais em outros tipos de robôs.

Ou seja, para replicar um Teste de Turing no mercado de capitais e


mundo atual, necessitamos apenas comparar a performance de robôs
e seres humanos.

Aquele que dispor da tecnologia que possa ‘pensar’ de forma mais


eficaz, construindo as melhores estratégias, sairá na frente.

Provavelmente em um ambiente assim, com gestores humanos e


robôs em competição, as estratégias serão cada vez mais uma grande
rede de sistemas de sistemas.

124
Alguns sistemas serão especializados em determinadas propriedades e
atores dos cenários de mercado, como a volatilidade, enquanto outros
em determinadas características técnicas e operacionais, como
latência.

Mas, lado a lado, através da Inteligência de Máquina, teremos gestores


humanos e robôs competindo de forma cada vez mais similar.

E, tudo parece caminhar para isso, as Máquinas talvez sejam o grande


elemento decisor de operações no futuro.

--==***==--

125
Referências

[1] Figurelli, R. - O Banco Robô - A convergência de todos serviços


financeiros para o banco do futuro

[2] Figurelli, R. - Robôs Traders: Unindo sorte e visão

[3] Figurelli, R. - Setups Dinâmicos com Médias Móveis [Trajecta Open -


Livro 1] - Ideias abertas para operar com robôs

[4] Figurelli, R. - Setups Dinâmicos com Osciladores [Trajecta Open -


Livro 2] - Ideias abertas para operar com robôs

[5] Figurelli, R. - Robôs Advisors - Robôs controlando seus


investimentos sem assessores ou corretoras

[6] Figurelli, R. - Robôs Scalpers: Unindo sorte, visão e emoção

[7] Figurelli, R. - Tecnologia da Inteligência: a nova TI para a Era do


Robôs

[8] Laney, D. - Deja VVVu: Others Claiming Gartner’s Construct for Big
Data
http://blogs.gartner.com/doug-laney/deja-vvvue-others-claiming-
gartners-volume-velocity-variety-construct-for-big-data/
[9] Taurion, C. - O caos conceitual e os 5 Vs do Big Data
http://cio.com.br/opiniao/2012/05/11/o-caos-conceitual-e-os-5-vs-do-
big-data/

126
127