A Deutsche Bank relata notas de estudo, listando alguns erros comuns na estratégia de quantificação

A Deutsche Bank relata notas de estudo, listando alguns erros comuns na estratégia de quantificação

• A primeira é o viés de sobrevivência.

  O desvio de sobreviventes é um dos problemas mais comuns que os investidores enfrentam, e muitos sabem da existência do desvio de sobreviventes, mas poucos dão importância aos seus efeitos. Quando avaliamos de volta, tendemos a usar apenas as empresas existentes, o que significa que eliminamos os efeitos das empresas que saíram do mercado por causa de falências, reorganizações e outros problemas.

  Quando os dados históricos são ajustados, algumas ações quebradas, retiradas do mercado ou que não estão a funcionar bem são regularmente eliminadas. As ações eliminadas não aparecem no pool de ações da sua estratégia, ou seja, o retrospectivo do passado utiliza apenas a informação sobre a ação dos ações componentes atuais, eliminando as ações dos ações componentes que foram eliminadas no futuro por causa de um desempenho ou preço de ação ruim. O gráfico a seguir mostra o peso das ações componentes do MSCI European Index como um portfólio no passado. A linha azul é o portfólio correto e a linha vermelha é o resultado de um desvio de sobreviventes.

  Figura 1

  O desvio de sobreviventes é um dos problemas mais comuns que os investidores enfrentam, e muitos sabem da existência do desvio de sobreviventes, mas poucos dão importância aos seus efeitos. Quando avaliamos de volta, tendemos a usar apenas as empresas existentes, o que significa que eliminamos os efeitos das empresas que saíram do mercado por causa de falências, reorganizações e outros problemas.

  Quando os dados históricos são ajustados, algumas ações quebradas, retiradas do mercado ou que não estão a funcionar bem são regularmente eliminadas. As ações eliminadas não aparecem no pool de ações da sua estratégia, ou seja, o retrospectivo do passado utiliza apenas a informação sobre a ação dos ações componentes atuais, eliminando as ações dos ações componentes que foram eliminadas no futuro por causa de um desempenho ou preço de ação ruim. O gráfico a seguir mostra o peso das ações componentes do MSCI European Index como um portfólio no passado. A linha azul é o portfólio correto e a linha vermelha é o resultado de um desvio de sobreviventes.

  Figura 2

  Ou seja, quando analisamos as empresas que melhor se saíram nos últimos 30 anos, mesmo que algumas delas tivessem riscos de crédito elevados, quando você sabe quem vai sobreviver, você pode comprar quando o risco de crédito é alto ou quando você está em dificuldade, e o rendimento é muito alto. Se considerarmos as ações que entraram em falência, saíram do mercado ou não, a conclusão é exatamente o contrário: investimentos em empresas de alto risco de crédito têm rendimentos muito menores no longo prazo do que em empresas com crédito sólido.

  Há muitos outros fatores que, quando se considera a desviação dos sobreviventes, produzem resultados opostos.

  Figura 3

• O segundo é o viés de olhar para a frente.

  Figura 4

  O desvio de sobrevivência é um dos sete culpados de que não podemos prever quais as empresas que sobreviveram no passado e que ainda são os componentes do índice hoje, enquanto o desvio de sobrevivência é apenas um exemplo de desvio de prospecção. O desvio de prospecção é o mais comum dos desvios de retrospecção que se fazem usando dados que não estavam disponíveis ou não foram divulgados na época do retrospecção.

  Um exemplo claro de desvio prospectivo é o dos dados financeiros, onde as correções dos dados financeiros são mais propensas a causar erros que são mais difíceis de detectar. Em geral, os momentos em que os dados financeiros de cada empresa são publicados são diferentes e muitas vezes há atrasos.

  No entanto, quando os dados pontuais (PIT data) não estão disponíveis, as hipóteses de atraso dos relatórios financeiros são frequentemente errôneas. A figura abaixo confirma as diferenças entre os dados PIT e os dados não-PIT. Ao mesmo tempo, os valores finais que geralmente recebemos quando baixamos dados macroscópicos históricos são modificados, mas muitos dados do PIB de países desenvolvidos são publicados após dois ajustes, e as revisões dos resultados das grandes empresas são freqüentemente feitas.

  Figura 5

• O SIN DA STORYTELLING (O pecado da narrativa)

  Figura 6

  Algumas pessoas gostam de começar a contar histórias sem nenhum dado, enquanto que as pessoas que fazem quantificação gostam de contar histórias com dados e resultados. As duas situações têm muitas semelhanças.

  Olhando para os dois períodos de 1997-2000 e 2000-2002 dos índices de US Tech Stocks e Russell 3000, podemos concluir o oposto. A partir dos índices de 1997-2000 dos EUA Tech Stocks, a taxa de lucro é um bom fator e os resultados dos retrospectivos são muito confiáveis, no entanto, se puxarmos um longo intervalo até 2002, descobriremos que o indicador de lucro não é mais um bom fator.

  Figura 7

  No entanto, a partir do desempenho do mercado do índice Russell 3000, chegamos à conclusão oposta de que o índice de rentabilidade continua a ser um fator eficaz, visto que a duração da seleção e reavaliação do pool de ações tem um grande impacto no julgamento da eficácia do fator.

  Figura 8

  O mercado está cada dia descobrindo novos fatores benéficos e procurando um motor eterno. As estratégias que podem ser lançadas são de boa performance. Embora as interpretações dos narradores da história sejam muito emocionantes, suas previsões do futuro são pouco úteis. As correlações e causalidades na economia financeira são muitas vezes difíceis de entender, por isso, é melhor não ser um narrador quando fazemos resultados que contradizem o senso comum ou que são compatíveis com os julgamentos originais.

• O que é que isso tem a ver?

  Figura 9

  A mineração de dados é um campo de grande interesse atualmente, baseado em grandes volumes de dados e computadores, com o objetivo de obter um fator de benefício indetectável.

  Às vezes, a mineração de dados é quase ineficaz. Por exemplo, nós modelamos o S&P 500 com dois diferentes algoritmos de ponderamento de fatores e selecionamos dados de 2009-2014 para reanalisar. Os resultados mostram que os resultados de reanálise com 6 fatores de melhor desempenho de 2009-2014 foram selecionados, e os resultados de reanálise com algoritmos de peso etc. foram perfeitos, enquanto os resultados de reanálise com uma amostra de dados históricos foram um caminho direto.

  Figura 10

  Portanto, quando construímos estratégias ou procuramos fatores de equilíbrio, devemos ter uma lógica e motivação claras, e a análise quantitativa é apenas uma ferramenta para verificar nossa lógica ou motivação, e não para encontrar um atalho para a lógica. Em geral, nossos motivos para construir estratégias ou procurar fatores são derivados de conhecimentos teóricos básicos de finanças, eficiência de mercados, finanças comportamentais e outros campos.

• Cinco, diminuição do sinal, taxa de troca, custo de transação

  Figura 11

  A diminuição do sinal refere-se à capacidade de previsão do retorno de ações no futuro após o surgimento de um fator. Em geral, a alta taxa de troca e a diminuição do sinal estão relacionadas. Diferentes fatores de seleção de ações tendem a ter diferentes características de diminuição da informação. A diminuição do sinal mais rápida geralmente requer uma taxa de troca mais alta para obter lucros. No entanto, uma taxa de troca mais alta geralmente significa custos de transação mais altos.

  Então, como determinar a freqüência de ajuste ideal? Precisamos notar que a restrição de taxa de câmbio apertada não significa que a freqüência de ajuste seja reduzida. Por exemplo, muitas vezes ouvimos o mesmo: somos investidores de valor longo prazo e esperamos manter as ações por 3-5 anos. Portanto, ajustamos uma vez por ano. Mas, muitas vezes, as informações são rápidas e precisamos ajustar nossos modelos e expectativas em tempo útil.

  Figura 12

  Quando, no final do dia, compramos as 100 ações que pior se saíram no dia, vendemos a posse passada, continuamos a negociar diariamente, com retornos muito altos. O erro aqui é o desvio prospectivo, ainda não fechamos o dia, não sabemos quais as ações que pior se saíram no dia, ou seja, usarmos negociações programadas. Essa estratégia também não é viável.

• Outliers (Outliers)

  Figura 13

  As técnicas tradicionais de controle de valores anormais incluem principalmente a winsorization e a truncation. A padronização dos dados também pode ser vista como um método de controle de valores anormais, e a padronização pode ter um impacto significativo no desempenho do modelo. Por exemplo, no gráfico a seguir, a margem de lucro dos ações dos componentes do S&P BMI Korea mostra uma grande variação nos resultados de métodos como média, exclusão de 1% e 2% de extremos.

  Figura 14

  Embora os valores de anomalias possam conter informações úteis, na maioria dos casos eles não contêm informações úteis. É claro, a excepção é para os fatores de dinâmica de preços. Como mostrado na figura abaixo, a linha azul é a representação combinada após a remoção dos valores de anomalias e a linha vermelha é os dados primários. Podemos ver que a estratégia de dinâmica dos dados primários é muito melhor do que a estratégia após a remoção dos valores de anomalias.

  Figura 15

• O padrão de pagamento assimétrico e shorting

  Figura 16

  Em geral, a estratégia mais comum para fazer uma estratégia multifatorial é a estratégia multi-espaço, ou seja, fazer muitas ações boas e fazer ações ruins. Infelizmente, nem todos os fatores são iguais, e a existência de características de rendimento multi-espaço para a maioria dos fatores é assimetrica, além de custos possíveis e viabilidade real de fazer ações ruins, o que também causa um grande problema para o investimento quantificado. A figura abaixo mostra as características de rendimento multi-espaço dos fatores, listadas em ordem de tamanho.

  Figura 17

Fonte: Walking on Wall Street