Maximizando o alfa: o papel crucial da qualidade dos dados na gestão de ativos
Os dados são os ativos mais valiosos na transformação digital das gestoras financeiras. O sucesso na gestão de ativos depende da qualidade dos dados, que devem ser tratados, refinados e validados para a aplicação de análises que apoiam estratégias capazes de gerar alfa.
Nesse sentido, as asset managers são desafiadas atualmente por questões tecnológicas e operacionais, que passam pela qualificação de times, investimentos para lidar com a escala exponencial de dados e segurança da informação. Priorizar a adoção de tecnologia como solução para inovar e alavancar resultados com dados tornou-se um imperativo para o setor.
As gestoras estão expandindo a busca por dados alternativos, além dos convencionais, para incorporá-los em suas análises com intuito de gerar alfa em menos tempo e com baixa exposição a riscos operacionais. Não é à toa que o modelo de gestão exponencial tem se tornado o modelo de gestão desejável. As assets exponenciais se destacam pelo ritmo da adoção de tecnologias e pelo uso da ciência de dados nos processos decisórios, bem como pelo foco cada vez maior no desenvolvimento de talentos e suas habilidades para conduzir a gestão dos recursos.
E para lidar com essa complexidade, será cada vez mais comum profissionais com formação em finanças, economia, estatística e matemática com domínio de linguagens de programação, como o Python, indispensável para quem se especializar no tratamento e análise de dados. Esses experts do mercado financeiro também são conhecidos como analistas quantitativos. Os “quant” não só dominam modelos matemáticos complexos, como têm habilidades para aperfeiçoá-los.
Essa transformação digital, contudo, não é linear. A abordagem exponencial pode ser implementada por diversos tamanhos de assets e aplicada nas diferentes etapas do fluxo de investimento no processo de decisão – da geração de ideias e testes de hipóteses à gestão de risco. Novas ferramentas emergem para automatizar decisões em vista de diminuir a dependência unicamente de indivíduos, ao mesmo tempo que promovem eficiência e trazem maior transparência, consistência e agilidade sobre a tomada de decisão.
O futuro e os desafios do armazenamento de dados em gestoras
Os dados oferecem potencial altíssimo para decisões mais inteligentes e assertivas. Porém, gerenciar e armazenar grandes volumes de informações oriundas de diversas fontes e plataformas é uma barreira para as assets avançarem na jornada exponencial.
Quanto mais volumosos são os dados, maior a complexidade para unificar, armazenar e disponibilizá-los rapidamente aos analistas e data scientists de gestoras de investimento. Um ecossistema em nuvem permite às assets gerenciar e processar dados de forma holística – da coleta e análise até a aplicação de algoritmos de machine learning. E o melhor: minimiza as chances de comprometer a latência durante as análises, afinal, cada segundo importa ao fechar a melhor operação.
Com as plataformas de data analytics adequadas, é possível aplicar análises extremamente úteis para ampliar o processamento de grandes volumes de dados, fornecer análises quantitativas, precificar produtos financeiros, avaliar o risco de portfólios e muito mais. Em essência, data science é um habilitador para se extrair todo o potencial que os dados podem oferecer para obter os melhores insights e tomar decisões mais eficientes.
Por ser uma tecnologia escalável, pode-se modernizar ambientes para a nuvem gradualmente. Diversas gestoras que já utilizam ou estão começando a implementar a computação em nuvem acreditam que poderiam fazer mais com um orçamento maior (36%), funcionários qualificados (35%) e experiência na seleção das soluções certas (34%).
Esses dados integram o “Brazil 2023 Buy Side Survey”, estudo conduzido pela Bloomberg para compreender os desafios das gestoras brasileiras. Outro levantamento, também realizado durante uma série de webinars, que contaram com a participação de mais de 1.900 profissionais de aproximadamente 800 instituições das principais gestoras do país, revela como elas já estruturaram ou pretendem estruturar projetos em diferentes áreas da ciência de dados. Dentre as prioridades estão: a construção de data warehouse/data lake, migração para cloud e uso de machine learning.
Embora muitas empresas já aderiram à nuvem em alguma frente do negócio, nem tudo precisa ser migrado. Como qualquer outra tecnologia, a adoção de soluções em nuvem deve ser guiada por benefícios financeiros e operacionais. É preciso decidir o que migrar e quais funções devem ser migradas primeiro, um planejamento que considera curva de aprendizado, facilidade da migração de determinadas funções e a necessidade de comprovar à liderança que a adoção da nuvem faz sentido técnica e financeiramente.
E para garantir a qualidade dos dados, é imprescindível contar com parceiros especializados que forneçam tecnologias escaláveis, suporte e acompanhamento de profissionais especializados. As soluções de data science devem ser flexíveis e abertas para facilitar a integração por meio de APIs e oferecer interfaces de simples gestão para utilização entre times multidisciplinares.
Estratégia quantitativa na gestão dos investimentos
Nos últimos anos, as estratégias de investimento quantitativo evoluíram para uma combinação de ferramentas avançadas de data analytics, desenvolvimento de equipes altamente qualificadas e aplicação de modelos proprietários para ampliar a competitividade de mercado.
Os analistas quantitativos são responsáveis por desenvolver os modelos matemáticos que definem como os computadores trabalham sistematicamente para explorar os mercados a partir de dados quantitativos. Em uma gestão 100% quant, os algoritmos e sistemas tomam todas as decisões sobre o investimento de forma automatizada, eliminando o fator de decisão humano.
Um modelo quantitativo é baseado em insights que analisam simultaneamente dados convencionais, como indicadores econômicos, preços de ativos e demonstrações financeiras, bem como em dados alternativos, que oferecem informações variadas, como comportamento em e-commerces, tráfegos aéreo e marítimo, sentimento nas redes sociais e aspectos relacionados a ESG. Enquanto os primeiros são fornecidos por plataformas e terminais amplamente utilizados nos processos de investimento, os outros são obtidos por meio de provedores que podem incluir desde redes de farmácias a sites de compras.
O desafio é implementar uma estratégia robusta de aquisição de dados a partir da seleção de provedores especializados que forneçam o tipo de dado necessário para o modelo de análise desejado.
O foco deve estar tanto no curto como no médio e/ou longo prazo, enquanto os melhores modelos “quant” consideram a melhor combinação de risco e retorno para gerar alfa. E por trás dos melhores modelos, estão os melhores analistas quant. Para tanto, esses profissionais vêm desenvolvendo habilidades específicas para lidar com códigos em computadores e modelos estatísticos.
Em paralelo, a tecnologia assume o papel de viabilizadora do tratamento, do processamento e da análise de grandes volumes de dados de diversas fontes. Há plataformas baseadas na nuvem, no modelo “plug-and-play”, que permitem que analistas e data scientists criem, testem e compartilhem análises financeiras. Essas soluções são conectadas aos sistemas e terminais de dados por meio de APIs, e bastam algumas linhas de código Python para coletar, tratar e processar dados estruturados e não estruturados.
Em relação à gestão quant, a abordagem discricionária se apoia na decisão e no julgamento do ser humano sobre os dados para a tomada de decisões. Podemos dizer, contudo, que grande parte das gestoras hoje são de alguma forma quant, por utilizarem soluções de data analytics nos processos sobre os investimentos, mas ainda não eliminaram totalmente a influência humana no processo de decisão, como a alocação de recursos.
O fato é que a tecnologia, a transparência, o rigor estatístico e a metodologia das ciências de dados já se provaram grandes aliados das gestoras. Em uma enquete realizada durante um webinar da Buy-Side Tech Series, conduzida pela Bloomberg, 40% dos participantes apontaram que os produtos de investimento quantamental ganharão market share sobre gestão discricionária e gestão sistemática nos próximos cinco anos.
Como criar um mindset data-driven
A transição tecnológica é uma realidade sem volta. As gestoras estão aumentando o uso e sofisticando a forma como obtêm insights a partir de dados na alocação de recursos, automatizando processos e desenvolvendo novos sistemas. Frente a isso, os melhores profissionais buscarão ambientes que proporcionem plataformas alinhadas a suas habilidades e expectativas de desenvolvimento profissional.
Mais do que aplicar a ciência de dados para apoiar decisões, a implementação de estratégias quant tem os dados como ponto central da estratégia, desde a geração de ideias até a construção de portfólios, teste dos modelos de investimento e monitoramento da exposição e gestão dos riscos. Isso implica uma mudança cultural tanto por parte da alta gestão, para investimento em tecnologia, capital humano e na criação de uma cultura orientada ao uso de novas tecnologias, quanto por parte dos analistas e portfolio managers, que precisarão mesclar habilidades de matemática, finanças e computação para extrair o máximo valor desses recursos.
A combinação entre gestão quant e discricionária tem sido uma rota escolhida por muitos fundos na empreitada do uso de dados. Em busca de se diferenciarem para gerar alfa, as gestoras abraçam a abordagem quantamental, à medida que expandem o universo e modelos de análise de dados, aderem à programação com Python ou outras linguagens e a metodologias apoiadas por algoritmos.
Conforme as gestoras avançam em suas jornadas data-driven, é importante contar com parceiros especializados que ofereçam acesso às melhores tecnologias de data analytics e operem como uma extensão de seus próprios times, atuando consultivamente para encontrar os melhores caminhos. Esta evolução demanda tempo, exige curva de aprendizado e tecnologias que auxiliem na gestão e integração de dados convencionais e alternativos, sintetizando grandes quantidades de dados para extrair as informações com precisão.
Quer evoluir na jornada exponencial e potencializar o uso de dados em sua gestora para ganhar mais competitividade? As tecnologias de dados e analytics da Bloomberg foram projetadas para apoiar as gestoras de investimentos a criar modelos de análise, avaliar hipóteses e acessar visualizações interativas.
Confira outros materiais que preparamos para apoiar sua empresa na transição digital.
Quer evoluir na jornada da transformação digital e potencializar o uso de dados em sua gestora para ganhar mais competitividade? As tecnologias de dados e analytics da Bloomberg foram projetadas para apoiar as gestoras de investimentos a expandir os modelos de análise e acessar visualizações interativas. Converse com um especialista Bloomberg.