Uma nova pesquisa da University of Southern California propõe uma das descrições matemáticas mais sofisticadas já produzidas sobre o funcionamento do insider trading — a prática ilegal em que agentes negociam ações usando informações privilegiadas ainda desconhecidas do mercado. O estudo mostra que operadores clandestinos ajustam continuamente suas estratégias conforme percebem o risco de investigação regulatória, escondendo operações em meio ao enorme fluxo de transações legítimas realizadas diariamente nas bolsas globais.

Assinado pelos matemáticos Bixing Qiao e Weixuan Xia, o artigo “Insider and stealth trading with dynamic legal risk” combina teoria financeira, probabilidade e modelagem estocástica para investigar como criminosos financeiros equilibram lucro potencial e risco jurídico em mercados modernos.

A principal inovação do trabalho é tratar a fiscalização não como um evento isolado — uma investigação aberta apenas ao fim das operações —, mas como um processo contínuo, capaz de reagir dinamicamente à intensidade das negociações suspeitas. Segundo os autores, esse detalhe altera profundamente o comportamento dos insiders e ajuda a explicar por que muitos esquemas sofisticados conseguem escapar dos mecanismos tradicionais de detecção.

“O insider internaliza o risco regulatório mesmo quando consegue esconder parcialmente suas operações”, escrevem os pesquisadores. Em outras palavras: mesmo quando o criminoso consegue “camuflar” suas ordens no mercado, ele continua calculando permanentemente a probabilidade de ser descoberto.

O estudo se apoia na clássica estrutura criada pelo economista Albert Kyle em 1985, considerada um marco da teoria moderna de microestrutura de mercado. Nesse modelo, investidores informados exploram conhecimento privilegiado enquanto market makers tentam precificar ativos sem distinguir perfeitamente operações normais de negociações suspeitas. A nova pesquisa amplia esse paradigma ao incorporar vigilância regulatória dinâmica, penalidades híbridas e o chamado “stealth trading” — ou negociação furtiva.

Segundo o artigo, o mecanismo de “camuflagem” funciona porque mercados contemporâneos possuem milhões de ordens simultâneas executadas por investidores institucionais, algoritmos e traders de varejo. Em meio a esse oceano de transações, insiders tendem a preferir operações médias e fragmentadas, evitando grandes movimentações capazes de disparar alertas automáticos.

A pesquisa introduz um conceito chamado “índice de stealth”, que mede o grau de ocultação possível dependendo do volume de traders normais presentes no mercado. Quanto maior a massa de negociações legítimas, maior a capacidade do insider de esconder sua atividade ilícita.

Os resultados trazem implicações diretas para reguladores como a U.S. Securities and Exchange Commission, responsável pela supervisão do mercado financeiro americano. Um dos achados centrais é que simplesmente aumentar multas financeiras pode não ser suficiente para reduzir o insider trading.

“Elevar penalidades sem manter intensidade regulatória adequada se mostra ineficaz”, afirmam os autores. O modelo demonstra que, quando operadores percebem queda na vigilância, podem assumir riscos maiores mesmo diante de punições severas.

A conclusão desafia uma crença recorrente em políticas públicas: a de que sanções econômicas cada vez maiores bastariam para inibir crimes financeiros. No modelo desenvolvido pelos pesquisadores, o efeito dissuasório mais forte vem da combinação entre monitoramento constante e penalidades criminais capazes de limitar temporalmente o comportamento do trader ilegal.

O trabalho também revela um efeito paradoxal. À medida que o horizonte final de negociação se aproxima — por exemplo, instantes antes da divulgação pública de um balanço corporativo ou fusão empresarial — o insider tende a acelerar dramaticamente as operações. Isso ocorre porque o tempo restante para investigação diminui rapidamente, reduzindo o custo esperado da punição.

Em certos cenários matemáticos analisados pelos autores, a agressividade das negociações pode crescer de forma quase explosiva perto do encerramento da janela de informação privilegiada. O comportamento lembra episódios reais observados antes de anúncios corporativos relevantes, quando volumes anormais de opções e ações frequentemente antecedem eventos públicos importantes.

Outro aspecto inovador do estudo é o uso de processos probabilísticos inspirados em modelos de risco de crédito, normalmente empregados para calcular chances de inadimplência bancária. Nesse caso, os pesquisadores adaptam a técnica para modelar o “tempo aleatório de acusação” — isto é, o instante em que autoridades conseguem detectar e interromper a fraude.

Além das multas civis ligadas ao lucro obtido ilegalmente, o modelo incorpora punições criminais dependentes do padrão histórico das transações. Isso permite simular desde estratégias concentradas em poucas operações gigantescas até esquemas distribuídos em centenas de pequenas ordens ao longo do tempo.

Os autores argumentam que essa flexibilidade aproxima o modelo da realidade contemporânea dominada por algoritmos de alta frequência, plataformas digitais e mercados ultrarrápidos. “A estrutura dinâmica oferece um mecanismo de dissuasão mais responsivo e flexível”, escrevem.

Embora altamente técnico — o artigo utiliza equações diferenciais estocásticas, mudanças de medida probabilística e sistemas acoplados de otimização —, o objetivo final é profundamente prático: entender quais políticas realmente funcionam para reduzir crimes financeiros em ambientes cada vez mais automatizados.

O estudo surge em um momento de crescente preocupação global com abusos de mercado impulsionados por inteligência artificial, plataformas algorítmicas e operações automatizadas. Reguladores enfrentam hoje volumes de dados impossíveis de monitorar manualmente, enquanto operadores sofisticados usam fragmentação de ordens e velocidade computacional para dificultar rastreamento.

Nesse contexto, a pesquisa de Qiao e Xia sugere que a eficácia regulatória dependerá menos de punições espetaculares após grandes escândalos e mais da capacidade de manter vigilância contínua, inteligente e adaptativa. Em mercados onde bilhões de dólares mudam de mãos em milissegundos, detectar o comportamento suspeito antes que ele desapareça no “ruído” estatístico pode ser a diferença entre prevenção e impunidade.