Riscos financeiros que as máquinas podem ver
(Bloomberg) -- Os seres humanos têm um terrível histórico em prever crises financeiras a tempo de impedi-las. Alguns cientistas da computação acham que os algoritmos podem ajudar.
Com a informação certa, algumas crises podem ser previstas. Em "The Big Short", Michael Lewis contou a história das poucas pessoas que viram o desequilíbrio crescente no mercado de hipotecas e lucraram com isso. Ao longo de décadas, pesquisas acadêmicas mostraram que muitas crises bancárias vêm com sinais de alerta, como a crescente dívida e alavancagem. No entanto, os economistas e responsáveis pelas políticas econômicas sempre ignoram esses sinais de perigo, em parte porque o mundo financeiro é muito complexo.
E os computadores podem ver o que os seres humanos não conseguem? Em um novo estudo, os cientistas da computação Samuel Rönnqvist e Peter Sarlin exploram o que pode ser alcançado com os chamados algoritmos de Aprendizado Profundo - semelhantes aos que a Google usou para vencer o campeão mundial de Go ou jogar os videogames da Atari de 1980 em nível humano expert. Tais algoritmos funcionam através do estudo de dados e aprendem a reconhecer padrões. Usando um banco de dados de 6,6 milhões de artigos financeiros do período de 2007 a 2014, o algoritmo dos investigadores identificou com precisão episódios de dificuldades bancárias, e também forneceu um extrato de texto descrevendo a realidade financeira que provavelmente levou a cada um. Ainda reconheceu problemas em bancos que estavam fora do grupo inicialmente estudado, sugerindo que realmente captou o sentido e talvez até padrões extremamente sutis.
Isso não é bem previsão, porque o algoritmo estava trabalhando com dados históricos. Mas Rönnqvist e Sarlin, com base em trabalhos futuros, acreditam que esses algoritmos em breve serão capazes de medir a exuberância do mercado ou superaquecimento em tempo real, dando ênfase aos tons emocionais das palavras e frases em notícias ou discussões on-line. Isso realmente poderia ser previsível.
Sarlin e o colega Markus Holopainen, por exemplo, já examinaram como os algoritmos detectam as condições que tornam crises mais prováveis, ao invés de reconhecer os problemas reais em bancos. Usando dados macroeconômicos de 15 países europeus desde a década de 1980, os métodos de aprendizado da máquina previram crises bancárias com mais precisão - e, mais importante, com menos avisos falsos - do que qualquer um dos vários métodos estatísticos mais comumente usados.
Como isso vai mudar as finanças e a economia? A primeira coisa que provavelmente veremos são ferramentas para lidar com a tremenda complexidade do mundo financeiro, concentrando os cérebros humanos nas coisas que mais importam. Isto pode ajudar os traders a encontrar oportunidades de lucro e os responsáveis pela política a detectar riscos sistêmicos. O entendimento humano de como as economias funcionam, afinal, não é muito impressionante: economistas hoje nem mesmo concordam se as baixas taxas de juros tendem a fazer a inflação subir ou descer. Métodos de aprendizado de máquina podem ignorar teorias duvidosas e aprender diretamente dos dados, encontrando maneiras de identificar vulnerabilidades que, com o gatilho correto, poderiam levar a uma crise.
Na batalha entre AlphaGo da Google e o campeão de Go, Lee Se-dol, o algoritmo criou movimentos que pareciam além da compreensão humana. Algoritmos futuros podem fazer o mesmo com os dados financeiros e econômicos, apontando para sinais de alerta que nenhum ser humano conseguiria reconhecer.
ID: {{comments.info.id}}
URL: {{comments.info.url}}
Ocorreu um erro ao carregar os comentários.
Por favor, tente novamente mais tarde.
{{comments.total}} Comentário
{{comments.total}} Comentários
Seja o primeiro a comentar
Essa discussão está encerrada
Não é possivel enviar novos comentários.
Essa área é exclusiva para você, assinante, ler e comentar.
Só assinantes do UOL podem comentar
Ainda não é assinante? Assine já.
Se você já é assinante do UOL, faça seu login.
O autor da mensagem, e não o UOL, é o responsável pelo comentário. Reserve um tempo para ler as Regras de Uso para comentários.