Analista quantitativo — tarefas, uma a uma

Investigação de sinais e conceção de estratégias

A IA já propõe investigação, além de a executar. A Man Group diz que o seu sistema AlphaGPT produziu sinais que cumprem os seus padrões e passam os mesmos limiares de avaliação exigidos à investigação feita por pessoas, com os sinais gerados por IA submetidos a validação em dupla via. A aprendizagem automática em si não é novidade aqui: quatro grandes empresas de negociação por conta própria disseram ao regulador neerlandês dos mercados que 80% a 100% dos seus algoritmos para instrumentos líquidos assentam nela. Num teste de referência da investigação, um agente chegou a obter até o dobro das rentabilidades anualizadas das bibliotecas clássicas de fatores em backtests.

O relato da empresa é o seu próprio marketing junto dos investidores; os números do regulador são o que quatro empresas declararam; o teste de referência é um backtest, não negociação real.

Backtesting e código quantitativo

Os modelos escrevem boa parte do código, mas falham nos números que importam. A Man Group diz que o seu sistema escreve Python pronto para produção usando as ferramentas de investigação da casa. No BacktestBench, o melhor de 23 modelos atingiu 67,41% de exatidão global, e a volatilidade e o rácio de Sharpe continuaram a ser «zonas de desastre» em todos os modelos; noutro teste de referência, os melhores modelos produziram código de estratégia válido em mais de 91,7% dos casos, e os autores concluíram que a supervisão humana continua a ser essencial.

Testes de referência com tarefas fixas e o relato de uma empresa; nada aqui mede quanto código os quants ainda escrevem eles próprios.

Modelos de avaliação de preços e de risco

Os supervisores já contam com aprendizagem automática dentro destes modelos e impõem-lhe condições: o guia do Banco Central Europeu para modelos internos espera que as pessoas que trabalham com modelos de aprendizagem automática tenham conhecimentos suficientes dessas técnicas, e que as empresas impeçam que alterações materiais sejam implementadas automaticamente. Uma análise de um banco central concluiu que, onde as técnicas de IA estão implementadas na negociação, são sobretudo sistemas baseados em regras com um humano no circuito.

Expectativas de supervisão e uma análise baseada em conversas com empresas; nenhuma das duas mede como os modelos são construídos.

Validação e contestação de modelos

Os supervisores entregam a validação a pessoas independentes e qualificadas. As expectativas britânicas dizem que a função de validação deveria funcionar de forma independente do desenvolvimento dos modelos e ter pessoal com a competência técnica necessária; o BCE espera que a validação interna conteste eficazmente as decisões de modelação tomadas sobre modelos de aprendizagem automática, incluindo se a sua complexidade se justifica.

Expectativas de supervisão escritas com «should», para bancos com modelos internos; não medem o trabalho de validação.

Pôr estratégias em produção e responder por elas

As regras nomeiam a pessoa. Nos EUA, quem for principalmente responsável por conceber, desenvolver ou modificar de forma significativa uma estratégia de negociação algorítmica tem de se registar como Securities Trader; na UE, uma pessoa designada pela direção de topo tem de autorizar a implementação ou a atualização substancial de um algoritmo de negociação, e os registos têm de mostrar quem fez e quem aprovou cada alteração.

Regras para corretoras dos EUA e empresas de investimento da UE; não medem como as estratégias são desenvolvidas.