Aprendizagem automática na negociação

O que significa

A aprendizagem automática aplicada à negociação utiliza exemplos de dados históricos para ajustar um modelo que produz estimativas para novos casos. Entre os dados de entrada possíveis contam-se preços, volume, dimensão da ordem e condições de mercado; o resultado pode ser a probabilidade estimada de uma ordem ser executada em determinadas condições. O modelo aprende relações a partir dos dados, mas essas relações podem mudar. Uma estimativa não é um resultado futuro conhecido.

A aprendizagem automática distingue-se de uma fórmula fixa: os parâmetros ajustados dependem dos dados de treino. Também difere da utilização de um padrão gráfico como regra de negociação. Nenhuma destas abordagens elimina a incerteza dos mercados futuros.

Como é calculada

Não existe uma fórmula única para a aprendizagem automática na negociação. O cálculo depende da tarefa e do modelo. Para um modelo hipotético simples que estima se uma ordem será executada dentro de um prazo definido, uma forma possível é a regressão logística:

p = 1 / (1 + exp(-(b0 + b1*x1 + b2*x2)))

• p é a probabilidade estimada de execução, expressa como um número entre 0 e 1.
• exp é a função exponencial.
• b0 é a ordenada na origem ajustada; b1 e b2 são coeficientes ajustados. Neste exemplo, os três são adimensionais.
• x1 é a dimensão da ordem dividida pelo volume médio diário, expressa como uma fração; x2 é o spread cotado entre compra e venda dividido pelo preço médio, também expresso como uma fração.

Os coeficientes são ajustados com observações passadas cujos resultados são conhecidos, e não escolhidos por parecerem plausíveis. A avaliação do modelo deve recorrer a dados que não tenham sido usados no ajuste, respeitando a ordem temporal: não se podem usar como dados de entrada de uma ordem informações que só ficaram disponíveis depois dela.

Exemplo prático

Suponha que um modelo hipotético foi ajustado a ordens históricas. A ordenada na origem é b0 = 0, o coeficiente de participação é b1 = -2 e o coeficiente do spread relativo é b2 = -10. Estes valores arredondados servem para ilustrar o cálculo, não representam uma relação medida.

1. Uma ordem hipotética de 10 000 ações enfrenta um volume médio diário de 100 000 ações. Assim, x1 = 10 000 / 100 000 = 0,10.
2. Suponha que o spread cotado é de US$ 0,10 e o preço médio é de US$ 50. Então, x2 = US$ 0,10 / US$ 50 = 0,002.
3. A soma ponderada dos dados de entrada do modelo é 0 + (-2 × 0,10) + (-10 × 0,002) = -0,22.
4. O resultado do modelo é p = 1 / (1 + exp(0,22)), ou aproximadamente 0,445 (44,5%).

Este valor significaria apenas uma probabilidade estimada de execução nas condições e no intervalo temporal usados para definir os resultados históricos do modelo. Por si só, nada diz sobre a rendibilidade nem sobre a adequação da operação proposta.

Porque é importante antes de negociar

Uma análise pré-negociação pode comparar a dimensão da ordem com o volume disponível, avaliar o spread e a volatilidade e considerar de que forma as condições de execução afetam a incerteza. As estimativas de aprendizagem automática podem ajudar a organizar esta informação, mas qualquer probabilidade exige um resultado claramente definido, dados relevantes e validação face a observações posteriores. Um valor aparentemente preciso pode induzir em erro quando as condições de mercado diferem das do período de treino.

Como a PreTrAIde utiliza esta tecnologia

A PreTrAIde é uma plataforma de análise pré-negociação com IA para ações; as informações sobre o produto não identificam um algoritmo específico de aprendizagem automática ajustado a operações históricas. A sua camada quantitativa utiliza estimativas e pontuações determinísticas e reproduzíveis para fatores como o spread, a participação no volume diário, o impacto no mercado, a volatilidade, a liquidez e a qualidade dos dados. Em seguida, os agentes de IA analisam cada ação e o cabaz com base nessas pontuações, nas notícias e nas avaliações de analistas.

Para um cabaz criado pelo utilizador, a PreTrAIde apresenta um veredito GO, NO-GO ou MODIFY, uma probabilidade de sucesso, uma avaliação do risco, uma estratégia de execução sugerida e uma explicação em linguagem simples. A probabilidade de sucesso é uma estimativa do modelo limitada ao intervalo de 5%–95%; não é uma previsão nem uma garantia de rendibilidade. Os vereditos servem de apoio à decisão, não são recomendações; cabe aos utilizadores realizar eventuais operações através do seu próprio intermediário financeiro.

Erros frequentes

• Tratar uma relação ajustada como uma lei válida em todas as condições de mercado.
• Testar com dados que incluem informação futura ou ajustar repetidamente um modelo até este se adaptar aos resultados passados.
• Confundir a probabilidade de um evento específico, como a execução de uma ordem, com a probabilidade de obter lucro.
• Presumir que uma explicação gerada por IA prova que uma estimativa é exata. Os dados de entrada, a definição do resultado e a validação continuam a ser importantes.
• Presumir que todas as ferramentas de análise pré-negociação com IA utilizam o mesmo método de aprendizagem automática.