As descobertas dos pesquisadores foram tão impressionantes que eles começaram a procurar por erros. "Tivemos esse resultado há um ano", diz Ed deHaan , professor de contabilidade na Escola de Administração de Empresas de Stanford . "E passamos os últimos 12 meses vasculhando cada centímetro dos dados e do modelo, tentando encontrar onde havíamos errado."

DeHaan e seus colegas – Suzie Noh , professora assistente de contabilidade na Stanford GSB, o doutorando Chanseok Lee e Miao Liu, do Boston College – criaram um "analista de IA" para estudar o quanto um robô de IA, usando apenas informações públicas, era capaz de melhorar o desempenho de gestores de fundos mútuos. Eles estavam céticos em relação aos números que continuavam apresentando. Mas não encontraram problemas em sua análise.

"Foi impressionante", diz deHaan. Entre 1990 e 2020, os gestores de fundos geraram US$ 2,8 milhões de alfa, ou retornos ajustados ao benchmark, a cada trimestre. Quando o analista de IA dos pesquisadores reajustou as carteiras dos gestores humanos, gerou US$ 17,1 milhões por trimestre, além dos retornos reais. Em resumo, diz deHaan, "a IA superou 93% dos gestores em um período de 30 anos em uma média de 600%".

Quando deHaan apresentou os resultados de sua equipe para professores e alunos no ano passado, um de seus colegas perguntou: "Por que vocês não começam um fundo de hedge?"

Embora o modelo tenha levado um ano para ser construído, o analista de IA desenvolveu sua perspicácia na seleção de ações ao longo de várias horas ou, no máximo, dias de treinamento. Os pesquisadores começaram alimentando-o com dados de mercado de 1980 a 1990, que foram usados para correlacionar 170 variáveis com o desempenho futuro das ações. Algumas dessas variáveis eram simples, como taxas do Tesouro e classificações de crédito. Outras eram mais sofisticadas, como análises de sentimento de teleconferências de resultados de empresas e registros regulatórios, simulando como um gestor de fundos poderia interpretar as divulgações corporativas. O principal critério era que todas as variáveis tivessem que vir de fontes públicas que qualquer gestor de fundos tivesse à mão. Por meio desse processo, o analista de IA desenvolveu um modelo preditivo de como investir para maximizar os retornos.

A IA recebeu então dados de portfólio de aproximadamente 3.300 fundos mútuos de ações diversificados dos EUA, geridos ativamente entre 1990 e 2020. Seguindo seu modelo, tentou melhorar os retornos reais dos fundos ajustando o portfólio do gestor apenas uma vez por trimestre. "A IA não podia simplesmente entrar e investir no que quisesse", diz deHaan. "Ela tentou ajustar seletivamente o portfólio em torno das bordas usando apenas informações públicas."

O fundo rebalanceava os ativos a cada trimestre, mantendo suas características básicas, como níveis de risco e número de ações. Após a contabilização dos retornos das carteiras ajustadas de cada trimestre, as carteiras eram redefinidas para seus ativos originais naquele momento, e a IA entrava em ação no trimestre seguinte.

Ao tomar suas decisões, a IA seguiu uma série básica de etapas. Com base nas tendências observadas, classificou as opções de investimento em 10 grupos, com base em seu desempenho futuro esperado. Em seguida, sempre que possível, trocou ativos com maior probabilidade de desempenho inferior por um ativo semelhante com potencial de desempenho superior. Se algum ativo fosse particularmente ruim, a IA o vendia e aplicava os lucros em um fundo de índice.

Ao aderir a esse processo, a IA alterou aproximadamente metade de todo o seu portfólio de fundos a cada trimestre e, por sua vez, aumentou os retornos em seis vezes ao longo da simulação de mercado de 30 anos.

A magnitude desses resultados se deve, em grande parte, ao fato de que o experimento essencialmente viajou no tempo, inseriu um analista de IA em uma única equipe e, assim, deu a essa equipe uma enorme vantagem. Isso não significa que o analista de IA poderia repetir seu sucesso no mercado atual, especialmente à medida que mais investidores adotam ferramentas semelhantes. "Se todos os investidores usassem essa ferramenta, grande parte da vantagem desapareceria", diz Noh.

DeHaan e seus colegas também descobriram que o analista de IA, de certa forma, não estava fazendo nada particularmente incomum. Quando iniciaram o projeto, os pesquisadores e muitas pessoas com quem conversaram presumiram que a IA se basearia em um conjunto de variáveis relativamente sofisticadas para tomar suas decisões de investimento. Na verdade, ela utilizava principalmente variáveis simples, como o tamanho da empresa e o volume de negociação em dólar. Mas utilizou um conjunto complexo de técnicas de IA para extrair o máximo valor preditivo desses dados simples.

De uma perspectiva acadêmica, isso atinge o que os pesquisadores inicialmente tentavam entender: quanto dinheiro sobra para investidores que não exploram as informações públicas em todo o seu potencial? Qualquer empresa de investimento na era pré-IA poderia ter feito esse trabalho contratando analistas quantitativos suficientes. Mas é custoso extrair lucros extras de montanhas de informações públicas, então as empresas não se preocupam.

"Há atritos de processamento", diz deHaan. "Acontece que essas informações são caras de se obter, mesmo quando os conjuntos de dados em si estão disponíveis gratuitamente." Ele e seus colegas acreditam que este é o primeiro estudo a quantificar esses custos de informação em condições realistas.

O sucesso inesperado do analista de IA também levanta questões sobre a evolução da relação entre IA e investidores. Isso foi ressaltado por um teste no qual os pesquisadores permitiram que seu analista de IA elaborasse e gerenciasse sua própria carteira de investimentos com restrições mínimas. A IA teve um desempenho tão bom nesse cenário quanto ao trabalhar com carteiras elaboradas por pessoas.

O que tudo isso significa para investidores profissionais não está claro. Seu desempenho sugere que as empresas provavelmente automatizarão o trabalho pesado da coleta de dados, se ainda não o fizeram. "É a mesma história que vemos com a IA em todos os setores", diz deHaan. "A tecnologia levanta sérias questões sobre o papel dos trabalhadores humanos quando muitas dessas tarefas, que não são apenas rotineiras, mas na verdade bastante complexas, estão sendo automatizadas."

Isso não significa necessariamente que os fundos estejam prestes a entregar seus portfólios aos traders de IA. "Embora isso seja especulação, acredito que sempre haverá espaço para humanos inteligentes que possam guiar o processo e pensar de forma ampla sobre estratégias que ainda não foram pensadas", diz deHaan.