Crédito:Pixabay/CC0 Domínio Público Os gestores de ativos profissionais são avaliados com base na sua capacidade de superar o mercado. Na prática, o desempenho superior é mais frequentemente medido em relação a benchmarks do setor, como o S&P 500 (para ações de grande capitalização dos EUA) ou o Bloomberg Barclays U.S. Aggregate Bond Index.
O benchmarking pode ajudar a desmistificar as competências e talentos dos gestores de activos, mas levanta preocupações sobre os desincentivos à aquisição de novas informações. Pesquisas anteriores argumentaram que à medida que uma ação se torna mais referenciada, os profissionais de investimento podem ficar menos interessados nessa ação, porque a procura por ela passa a ser mais uma questão de cobertura de risco e menos oferta de ativos está disponível para os investidores especularem sobre os fundamentos da empresa. De acordo com esta visão, o benchmarking incentiva a substituição do investimento passivo pelo ativo.
Bo Hu, professor assistente de finanças na Donald G. Costello College of Business da George Mason University, argumenta que esta visão do benchmarking não tem em conta com precisão a forma como os gestores de activos aprendem sobre os mercados.
“A teoria existente pressupõe que os gestores de activos apenas adquirem informações exclusiva ou especificamente sobre um activo de cada vez, em vez de uma carteira”, diz Hu. “Esta não é a realidade. O objetivo dos gestores de ativos é otimizar o retorno do seu portfólio.”
Seu artigo de trabalho em coautoria no SSRN Electronic Journal ilustra este princípio modelando e comparando dois tipos distintos de tecnologias de aprendizagem. A aprendizagem separativa considera cada ativo isoladamente.
Como explica Hu:"Com a aprendizagem separativa, a informação global revelada pelos preços é aditiva. Um mais um é igual a dois." A aprendizagem integrativa permite que os investidores processem sinais de todo o portfólio, alcançando um “efeito de informação entre ativos” em que o mercado excede informacionalmente a soma de suas partes.
Os pesquisadores quantificam a eficiência informacional dos mercados através de um novo uso da teoria da informação. Hu explica:"Usamos uma medida de informação mútua que pode dizer quanta incerteza sobre todos os retornos das ações pode ser reduzida se você observar todos os preços das ações. Isso é diferente da medida padrão de informatividade de preços, que depende de um modelo de regressão ou pode capturamos apenas relações lineares. Até onde sei, somos os primeiros a usar essa medida para quantificar a eficiência de preços em diferentes níveis."
Como esperado, a relação inversa entre o nível de benchmarking de um ativo e a sua informatividade sobre preços manteve-se firme sob a aprendizagem separativa. Mas os resultados da aprendizagem integrativa foram mais matizados. À medida que a incerteza em torno dos eventuais retornos de um activo aumentava (como poderia acontecer nos primeiros meses do mandato de um CEO, ou qualquer outra mudança importante iminente na empresa), atraiu mais atenção dos investidores, devido aos efeitos cruzados acima mencionados.
Numa economia multi-ativos, os investigadores mostraram que o benchmarking poderia realmente melhorar a eficiência global do mercado. Por outras palavras, a eficiência do mercado pode ser maior do que a soma da informatividade dos preços de todos os activos. Isto ocorre no âmbito da aprendizagem integrativa, à medida que os investidores continuam a prestar mais atenção às ações de alto risco. No entanto, quando o nível de referência de um activo de risco ultrapassa um determinado limiar, a eficiência do mercado pode diminuir porque esse activo atrai demasiada atenção dos investidores, apesar da sua oferta reduzida.
Os investigadores também investigaram o impacto combinado dos efeitos acima mencionados sobre os preços dos activos não referenciados. Descobriram que, sob aprendizagem separativa, um aumento no nível de benchmarking de uma ação sempre impulsionou o preço da outra. Mas com a aprendizagem integrativa, o preço do activo não referenciado poderia diminuir – mais uma vez, dependendo se o activo referenciado era mais ou menos volátil do que o seu homólogo. O activo menos arriscado poderia ser relativamente ignorado dada a atenção limitada dos investidores.
"Acho que você pode ver muitas coisas como sistemas de processamento de informações. O mercado financeiro é um ecossistema gigantesco e intrincado que produz dados constantemente e acumula informações dispersas dos investidores. Sua tecnologia de aprendizagem é crucial para a forma como suas informações são incorporadas aos preços", diz Hu. . A dinâmica entre ativos da aprendizagem integrativa parece mais próxima daquilo que os investidores do mundo real desejam do que a lógica aditiva da aprendizagem separativa.
A introdução de novas tecnologias, como grandes modelos de linguagem como o ChatGPT, pode tornar a aprendizagem integrativa ainda mais benéfica.
“As máquinas podem nos ajudar a extrair informações úteis em um nível consistente com o objetivo do gerenciamento de portfólio”, diz Hu. "Acho que a aprendizagem integrativa se torna mais viável hoje em dia e parece ser a melhor escolha."
