Investidores quant alertam para uso de mesmos dados alternativos

(Bloomberg) -- Quando a pandemia chegou, George Mussalli usou redes sociais e pesquisas no Google para descobrir quais empresas haviam sofrido um súbito colapso das vendas.

Ao vasculhar os quadros de avisos em busca de pistas sobre o clima da equipe, o investidor quantitativo da PanAgora Asset Management buscou informações de alta frequência para navegar por suas estratégias durante a turbulência.

"Reestruturamos áreas do nosso modelo para que tivéssemos mais dados em tempo real", disse o chefe de pesquisa de renda variável.

Mussalli não está sozinho. O boom de uma década em dados alternativos atinge o auge em Wall Street, com ações registrando oscilações de preço recordes no colapso econômico mais rápido da história moderna. Tudo seguido por uma forte recuperação do mercado.

Mas como novatos estão investindo milhões em tudo o que veem pela frente, como estatísticas de congestionamento de tráfego, classificados de empregos e dados de cartão de crédito, a transição das planilhas para a negociação está repleta de obstáculos.

Profissionais de investimentos quantitativos e discricionários alertam que os mercados na era da pandemia destacam duas grandes armadilhas: os sinais de investimento são difíceis de encontrar em meio à volatilidade e, quando os gestores de recursos conseguem achar o pote de ouro, os retornos em excesso podem desaparecer rapidamente.

"Analisei provavelmente 700 ou 800 conjuntos de dados nos últimos 10 anos e cerca de 90 a 95% dos conjuntos de dados tendem a ter vieses evidentes básicos para eles", disse Qaisar Hasan, gestor de fundos da Lombard Odier Investment Managers, em Nova York.

Como muitos de seus colegas, Hasan tem usado estatísticas de mobilidade da Apple e do Google para ajudar a mapear a recuperação econômica à medida que as restrições para evitar a propagação do vírus diminuem. Mas ele faz um alerta para os que se aventuram muito no mundo dos dados. Um conjunto de dados de cartão de crédito pode ser desviado para um grupo demográfico que não está recebendo cheques de estímulo ou para uma região específica dos EUA que não representa tendências mais amplas, por exemplo.

"O valor final de muitos conjuntos de dados pode ser mais marginal agora do que seria em outros momentos", disse Chris Longworth, cientista sênior da GAM Systematic em Cambridge, Reino Unido.

Por exemplo, ninguém precisa de uma imagem de satélite de tanques de petróleo para saber que há um excedente neste ano. E o próprio estudo de Longworth mostra que o crescente uso de imagens aéreas melhorou pouco as previsões dos analistas sobre os números de armazenamento.

"Ter acesso a fontes de dados melhores é apenas parte do cenário", disse. "Como você incorpora os dados em seus modelos e lida com a incerteza é igualmente importante."

©2020 Bloomberg L.P.