Modelos de aprendizado de máquinas não são novos para operadores do mercado financeiro: regressões logísticas ou redes neurais profundas são usadas há muitos anos para tarefas como avaliação de risco de crédito ou análise de variações no mercado.
Publicidade
Modelos de aprendizado de máquinas não são novos para operadores do mercado financeiro: regressões logísticas ou redes neurais profundas são usadas há muitos anos para tarefas como avaliação de risco de crédito ou análise de variações no mercado.
CONTINUA APÓS A PUBLICIDADE
Esses modelos são excelentes para categorizar ou prever informações usando como base dados históricos, mas são fundamentalmente limitados às tarefas específicas para as quais foram treinados.
A inteligência artificial generativa, com o advento dos “modelos transformer” por pesquisadores do Google, representa um salto qualitativo. Agora, esse modelos são capazes de aprender o contexto e a semântica de sequências de dados, tornando-os versáteis o suficiente para gerar texto, interpretar linguagem natural e realizar análises mais profundas.
Publicidade
Eles são como ‘cérebros virtuais’ que não só classificam informações, mas também as entendem, abrindo assim um leque muito mais amplo de aplicações e eficiências no setor financeiro.
Em oposição ao aprendizado de máquinas anterior, esses novos modelos podem realizar atividades com apenas alguns exemplos ou apenas a descrição da tarefa. Muita tinta já foi gasta a respeito das implicações em investimentos da inteligência artificial e temos visto inclusive banqueiros centrais pensando se os possíveis ganhos de produtividade da inteligência artificial generativa poderiam impactar a produtividade, inflação e os juros das economias.
Provavelmente no início de 2024 investidores irão ter acesso ao Microsoft 365 Co-pilot, que irá trazer a Inteligência Artificial para o Office, principalmente ao Excel, que todos os profissionais de finanças usam. Mas relativamente pouco tem sido falado a respeito de como a inteligência artificial é capaz de aumentar significativamente os processos de pesquisa para investidores no presente.
Já existem ferramentas que facilitam e agilizam atividades de profissionais do mercado financeiro. Um exemplo é o ChatGPT Plus, que com o plugin AITickerChat, adição que é possível fazer no software para a personalização do programa, permite que o ChatGPT seja capaz de acessar transcrições das apresentações de resultados de empresas com listagem americana.
Publicidade
Outro recurso disponível é a Análise de Código Avançada, do ChatGPT, ferramenta que propicia a realização de um amplo estudo estatístico que antes só era possível com uma ferramenta de programação, como o R ou Python.
Imagine um analista de investimentos que queira entender como as margens de lucro variam entre diferentes empresas em um setor específico. O que antes era um processo complicado e demorado por meio da criação de gráficos pelo Excel tornou-se intuitivo e rápido com o ChatGPT, que em segundos apresenta os dados de forma ordenada a partir da transmissão de uma simples planilha contendo as informações primárias.
No lado do crédito, a agência de avaliação de risco Moody’s está construindo o Moody’s CoPilot, recurso que já está sendo usado por 14 mil funcionários e que simplifica a busca por informações em milhares de relatórios de crédito que eles produzem há mais de um século.
Antes, o aprendizado clássico de máquinas apresentava dificuldades de compreensão dos dados de texto, mas agora os analistas podem utilizar todo o corpo de conhecimento da empresa por meio da inteligência artificial generativa, para otimizar esse trabalho de localização. Neste momento, a Moody’s está trabalhando em 180 novas funcionalidades, sendo que mais de 90 delas devem ser abertas para clientes externos.
Publicidade
Mas ainda estamos distantes do momento em que modelos de inteligência artificial generativa vão, de fato, operar em mercados financeiros. Gestoras quantitativas americanas, como Jane Street e Citadel, estão começando a comprar placas de vídeo da Nvidia (capazes de treinar os modelos linguísticos mais avançados) para testar abordagens de IA generativa. No entanto, é importante reconhecer a diferença entre os algoritmos de aprendizado de máquinas que são usados há décadas em Wall Street.
Esses modelos clássicos podem dizer coisas como “com 95% de confiança estatística, quando chove em Nova Iorque numa segunda-feira, a ação do Starbucks supera o mercado naquele dia” (ou tipicamente bem mais complexo que isso, inclusive sem interpretação humana), enquanto uma IA generativa estaria tentando se comparar com um ser humano.
Isso envolveria análise de relatórios e documentos regulatórios, leitura de apresentações de resultados, interpretação de dados alternativos, realização de entrevistas com profissionais do mercado financeiro, efetuação de projeções financeiras, conclusão de ideia de valor justo por ação e recomendações de compra e venda de ativos listados.
Mas isso levará tempo até ser feito com convicção. Enquanto isso, a simbiose entre o analista e a máquina só vai se fortalecendo e as gestoras quantitativas terão de superar não apenas o humano, mas o humano aliado à máquina.
Publicidade
Publicidade
Invista em informação
As notícias mais importantes sobre mercado, investimentos e finanças pessoais direto no seu navegador
