"Criação de lagostas" em alta no círculo de fundos Fundos públicos estão a passar por uma profunda revolução de fluxo de trabalho

Corretor do Securities Times Zhao Mengqiao Pei Lirui

“Não seremos substituídos pela IA, mas certamente seremos substituídos por aqueles que dominam o uso da IA, especialmente em áreas de pesquisa e análise de fundos públicos, onde ciência e arte se entrelaçam, e racionalidade e sensibilidade coexistem.” Um gestor de fundos públicos afirmou ao Securities Times.

Recentemente, uma febre de “criação de lagostas” está varrendo o setor de tecnologia até o coração financeiro, com agentes de IA representados pelo OpenClaw ganhando atenção crescente dos fundos públicos. Segundo o Securities Times, várias gestoras estão avaliando cautelosamente a aplicação dessa ferramenta na pesquisa de fundos, e alguns gestores, especialmente os de fundos quantitativos, já tentaram usar o OpenClaw para desenvolver estratégias, com a IA evoluindo de uma ferramenta superpoderosa para uma colaboradora autônoma.

Por outro lado, a indústria de fundos também reexamina o impacto da IA nos métodos tradicionais de pesquisa. Seja na análise de grandes volumes de dados financeiros, na identificação de sinais em investimentos quantitativos ou em modelos de pesquisa que antes tinham altas barreiras de entrada, o setor está passando por uma revolução suave, porém profunda, nos fluxos de trabalho. Ao mesmo tempo, enfrenta novos desafios como substituição por máquinas e vazamento de dados.

Febre de “criação de lagostas” no setor de fundos

“Minha expectativa inicial era que ela fosse apenas um estagiário, ajudando a testar scripts e processar dados, mas nos últimos quinze dias percebi que ela tem uma autonomia forte, consegue extrair fatores relevantes de dados brutos 24 horas por dia, ampliando nossas fontes de Alpha, com uma taxa de acerto muito alta, como se tivesse um assistente de fundos experiente ao lado o tempo todo.” Recentemente, um gestor de fundos quantitativos de Xangai descreveu ao Securities Times como o OpenClaw tem ajudado seu trabalho.

Recentemente, o projeto de agentes de IA de código aberto, representado pelo OpenClaw, virou moda, provocando uma febre de “criação de lagostas” na sociedade, especialmente em áreas de pesquisa de fundos com informações densas e decisões complexas.

O chefe de tecnologia digital da Bosera Funds, Che Hongyuan, revelou que a equipe da Bosera já utiliza o OpenClaw na nuvem pública, sob condições de conformidade, e também estuda o uso de softwares nacionais em ambientes internos seguros.

Além disso, a E Fund criou uma equipe dedicada para testar funcionalidades e explorar tecnologias do OpenClaw em ambientes isolados, sem implantação em produção até o momento. Segundo fontes do setor de tecnologia financeira da E Fund, os cenários de aplicação focam na automação de coleta e análise de informações de mercado, governança de dados corporativos, entre outros.

“Como uma IA de código aberto e altamente personalizável, o OpenClaw acende uma nova chama na aplicação de IA no setor de fundos públicos, seu significado vai muito além da ferramenta em si.” Disse Che Hongyuan. “O OpenClaw é voltado para indivíduos, podendo liberar significativamente a capacidade de inovação de cada um. Na prática, a iniciativa individual é crucial. No momento, os profissionais de pesquisa e análise estão na linha de frente, usando-o como um assistente digital superpoderoso, ajudando a liberar criatividade e produtividade.”

A Yimin Fund acredita que o OpenClaw não é apenas uma melhoria de ferramentas existentes, mas uma revolução suave e profunda nos fluxos de trabalho de pesquisa de fundos.

“Ferramentas tradicionais de pesquisa reagem passivamente, ou seja, o usuário dá comandos e a ferramenta responde. O grande avanço do OpenClaw é a execução proativa, capaz de completar ciclos fechados de ‘captura de informações — organização de dados — análise preliminar — feedback de resultados’ com base em objetivos predefinidos. Por exemplo, antes precisávamos de um pesquisador gastar 1 a 2 dias organizando dados de opinião pública e relatórios financeiros de um setor; agora, com o OpenClaw, configurando os módulos de habilidades relevantes, é possível fazer captura automática, classificação e arquivamento 24/7. O pesquisador pode focar na interpretação dos dados e validação lógica. Isso é uma reestruturação do fluxo de trabalho de pesquisa, não apenas uma melhoria de eficiência.” afirmou a Yimin Fund.

O vice-diretor do departamento de investimentos quantitativos da CITIC Prudential, gestor de fundos Wang Ying, afirmou que sua equipe já integra IA na rotina de pesquisa, com fatores quantitativos treinados por machine learning representando cerca de 30% de suas estratégias, principalmente em estratégias de negociação baseadas em preço e volume.

“Percebemos que os sinais de negociação identificados por modelos de IA, quando executados no mesmo dia, geram retornos superiores aos de operações de um dia para o outro.” explicou. “A lógica é que a IA é eficiente em captar picos de curto prazo impulsionados por liquidez, entrando nesses momentos, consegue aproveitar oportunidades efêmeras e reduzir custos de transação devido à liquidez abundante, automatizando a geração de sinais.”

Substituição ou coexistência homem-máquina

Desde modelos de linguagem avançados até agentes de IA que planejam e executam autonomamente, a rápida evolução da IA está impactando tarefas básicas e repetitivas na pesquisa de fundos, como coleta de informações, organização de dados e elaboração de relatórios. Para os profissionais do setor, essa transformação pode parecer uma nova Revolução Industrial, com a questão: eles serão os “trabalhadores têxteis” da nova era?

Um gestor de fundos de uma gestora de Shenzhen afirmou: “Vejo a IA como um ‘estagiário experiente’ ou um ‘recém-chegado na pesquisa’. Algumas tarefas, como coleta de dados, validação cruzada e análises simples, já estão bem desenvolvidas. Quando a IA assume essas tarefas, ela libera mais tempo e energia para que os profissionais façam trabalhos que ela ainda não consegue.”

“Capacidades humanas e de IA na pesquisa não se sobrepõem, na verdade, são complementares.” disse Wang Yue, gestora da Minsheng JiaYin Fund. “Um bom pesquisador faz perguntas boas, não busca respostas prontas, mas questiona o ‘porquê’ das coisas, identificando variáveis-chave de uma indústria ou empresa. Uma IA eficiente fornece boas respostas, mas não raciocina ou pensa como um humano. Ela melhora a eficiência da pesquisa ao responder às perguntas feitas pelo pesquisador.”

A gerente da HSBC Jintrust, Wei Yu, também acredita que, atualmente, a IA não substitui gestores ou analistas. Ela pode ajudar a processar grandes volumes de dados históricos, identificar padrões e resumir regras, atuando como uma assistente de pesquisa. Os profissionais, com sua experiência, podem então tomar decisões mais precisas com base nessas informações.

“Porém, há tarefas que a IA não consegue fazer, como pesquisas de campo. Muitas vezes, os analistas precisam conversar pessoalmente com líderes de empresas listadas ou equipes de gestão, para perceber o estado de trabalho deles. Isso pode parecer subjetivo, mas se reflete nos resultados financeiros, sendo um indicador preditivo. Além disso, a análise de informações não públicas, embora limitada por conformidade, também possui alto valor analítico.” afirmou o gestor de fundos de Shenzhen.

Fonte de alfa: de amplitude para profundidade

Embora a IA seja uma ferramenta poderosa na pesquisa de fundos, as barreiras profissionais dos gestores e equipes permanecem claras e até mais evidentes.

“Minha visão é que a IA substitui tarefas de baixo valor agregado, não o cargo em si; ameaça aqueles que resistem à mudança ou têm habilidades limitadas, não os profissionais com competências essenciais.” afirmou a Yimin Fund.

A Yimin também destaca que, na era da IA, a assimetria de informações no mercado tende a diminuir, pois a IA consegue captar e analisar rapidamente grandes volumes de dados, permitindo que todas as instituições tenham acesso às mesmas informações básicas. Assim, os ganhos extras virão de uma interpretação mais profunda, previsão de tendências mais precisa e melhor controle de riscos. Em suma, o diferencial não está apenas na capacidade de processamento, mas na qualidade dos algoritmos, que é a fonte de alfa individual dos gestores e das barreiras de pesquisa das gestoras.

Wang Yue acrescenta: “Valorizamos mais a profundidade do pensamento do que a amplitude na organização de informações. O que importa é fazer as perguntas certas, não apenas coletar dados completos. Encontrar a variável mais importante e capturá-la com sensibilidade é a chave para ganhos acima da média.”

Che Hongyuan também afirma que a automação do processamento de múltiplos tipos de informações ajuda a aumentar a eficiência, forçando os pesquisadores a evoluir para habilidades de raciocínio lógico, insights setoriais e validações cruzadas. Assim, a estrutura de pesquisa pode evoluir de uma cadeia linear de “pesquisador recomenda — gestor decide” para uma rede colaborativa entre humanos e IA, com ambos explorando pistas, construindo estratégias e gerenciando riscos conjuntamente.

“Não seremos substituídos pela IA, mas certamente por aqueles que dominam seu uso; especialmente em áreas de pesquisa onde ciência e arte, racionalidade e sensibilidade coexistem.” afirmou o gestor de fundos de Shenzhen. “Construir uma barreira de pesquisa na empresa envolve criar um ecossistema alinhado, com mecanismos, cultura, talentos e ferramentas. Essas ferramentas, no futuro, estarão relacionadas à IA. Assim, todos poderão contribuir com suas forças, acessando informações em uma plataforma comum, formando um ecossistema coordenado.”

Aproveitar a eficiência, mas atento aos riscos

A ajuda da IA certamente torna o trabalho de pesquisa mais eficiente, mas várias gestoras já perceberam que ela é uma espada de dois gumes — pode aumentar a produtividade, mas também esconder riscos que, se não forem bem gerenciados, podem levar a perdas de investimento.

O Laboratório de Finanças Quantitativas da Yimin alertou para o risco do “caixa preta” da IA, que é o mais importante e perigoso. A maioria dos modelos de IA (especialmente deep learning) opera de forma “não explicável”, ou seja, sabe-se a entrada e a saída, mas não como o resultado foi obtido, gerando o problema do “caixa preta”.

Segundo o laboratório, esse risco se manifesta de duas formas: primeiro, na detecção de fatores “pseudo-efetivos”, onde a IA encontra fatores aparentemente relevantes, mas que são apenas ajustes históricos, sem gerar retorno futuro e podendo causar perdas; segundo, na recomendação de decisões potencialmente enganosas, baseadas em lógica incorreta ou dados enviesados, levando a decisões erradas. Por exemplo, a IA pode recomendar compra de uma ação com bom histórico, mas cuja situação fundamental deteriorou-se, levando a perdas. Além disso, a “não explicabilidade” da IA dificulta rastrear e corrigir problemas.

Wang Ying também mantém uma postura cautelosa quanto ao uso amplo da IA. Ela aponta que o mercado é “autoajustável”, e que os comportamentos de negociação na A-share refletem esse dinamismo. “Os dados históricos usados para treinar o modelo já contêm o comportamento de todos os participantes do mercado, e assim que o modelo começa a operar, suas ações influenciam o mercado, criando um ciclo de retroalimentação.” Isso faz com que fatores de retorno excessivo, especialmente de fatores de preço e volume, apresentem alta volatilidade. Ela exemplifica: fatores de aprendizado de máquina que tiveram bom desempenho em 2023 podem apresentar resultados muito diferentes recentemente, devido ao efeito de “lucro e perda vêm da mesma origem”. “O maior desafio é saber quando parar.” afirmou.

Wang Yue acrescenta que, na aplicação de IA na pesquisa de fundos, é preciso estar atento à privacidade e à proteção de informações sensíveis, que representam riscos atuais. “Por isso, usamos IA principalmente para diálogos de raciocínio e coleta de informações públicas, com mecanismos fortes de proteção de privacidade e prevenção de acesso a dados confidenciais das empresas.” concluiu.