Como bater sistematicamente os principais índices bolsistas do mundo


Quando a Goldman Sachs AM criou a gama CORE, o seu objetivo era muito claro: utilizar o big data para oferecer aos investidores uma rentabilidade superior à dos principais índices bolsistas do mundo. Isto foi feito através do desenvolvimento interno de um modelo quantitativo que passa por ter os índices de referência como ponto de partida e ir adoptando posições relativas em função de quais sejam as convições da equipa a partir da análise fundamental, o que se vê complementado pela análise de sentimento e momentum. Aqui é onde entra em jogo o big data, já que a equipa de gestão quantitativa – fundada por Robert Litterman e formada por 170 profissionais – pode processar diariamente 40.000 artigos em distintos idiomas, o que os ajuda a adiantar-se na hora de identificar as empresas que poderão ver-se favorecidas pela publicação de notícias e relatórios favoráveis e, pelo contrário, aquelas que poderão ver-se penalizadas por este facto.

A gestora aplica o seu modelo de maneira sistemática na sua gama Core (GS US CORE, GS Global CORE, e GS Emerging Mrkets CORE Equity), na qual nenhum dos produtos conta com um tracking error realizado superior a 4%. O GS US CORE, por exemplo, teve como máximo 2,5%. Este último fundo conta com a classificação Blockbuster Funds People. Os outros dois, por seu turno, contam com a classificação Consistente Funds People. O objetivo de todos eles é assumirem um risco baixo relativamente ao índice, mas com a clara intenção de o bater e oferecer assim aos seus investidores uma rentabilidade acima da que é oferecida pelo mercado. O comportamento registado por estes produtos em 2016 e no tempo já decorrido de 2017 está exatamente em linha com o que pretende a Goldman Sachs AM com a sua gama. No ano passado todos os produtos bateram os seus índices MSCI e este ano também o estão a conseguir, em alguns casos, com rentabilidades líquidas muito acima do seu benchmark.

É o caso do GS Emerging Markets CORE Equity. No final de fevereiro, o índice tinha subido cerca de 8,7% desde o início do ano, e o fundo 9,8% líquido de comissões. Neste caso, a diferença é grande. O objetivo de tracking error deste fundo está num intervalo de 4-6%, embora o que se concretiza seja inferior. O fundo tem um Information Ratio muito alto. Em 2016 foi de 1,16, em 2015 de 2,14 e em 2014 de 1,07, o que significa que o alfa obtido por uma unidade de risco é superior a um. O resto das estratégias também está a conseguir bater os índices. O GS US Equity CORE acumula lucros anuais de 6,5% face aos 5,8% do S&P 500; O GS Global CORE bate em 60 pontos báse o MSCI World Index (5,8% face a 5,2%) e o GS Europe CORE acumula uma rentabilidade líquida de 2,8% face ao avanço de 2,5% do MSCI Europe Index. A três e cinco anos, as quatro estratégias oferecem rentabilidades líquidas claramente acima dos seus respetivos índices.

A fórmula do êxito: a combinação do modelo quantitativo com o factor humano. Ou dito de outra forma mais coloquial: o resultado da mistura entre a informação que fornecem as máquinas com as decisões ativas que toma o gestor sobreponderando ou subponderando os títulos nas suas respetivas carteiras.

“O processamento de dados é a base do nosso modelo de investimento, mas a análise e a construção das carteiras continuam a necessitar do julgamento humano. Não temos um computador na esquina que simplesmente decide investimentos sem interação e a supervisão humana. O nosso processo de investimento começa e termina com o factor humano, e o trabalho realizado pela nossa equipa de 170 pessoas é tão importante para nós como para qualquer outro gestor tradicional. As gestoras aplicam os seus critérios e conhecimentos na hora de selecionar os dados e as análises que empregamos na hora de investir, assim como para rever e aprovar cada transação que se leva a cabo nas diferentes carteiras. Isto permite-nos assegurar que as posições dos nossos fundos têm sentido – que são economicamente intuitivas e têm o tamanho correto em função das condições de mercado”, explicam da equipa.

Esse trabalho dos gestores centra-se em identificar negócios potentes com valorizações atrativas, sentimento positivo e uma conexão forte com temáticas positivas que vejam nos mercados. “Para oferecer uma fonte de retorno diferenciada que não siga o rebanho em tempos de stress dos mercados, asseguramo-nos de que não estamos a analisar a mesma informação, ao mesmo tempo, do que o resto do mercado. Para nós, este é o momento no qual a tecnologia e o big data entram em ação. Estamos permanentemente a procurar conseguir vantagens informativas, para fazer com que o nosso processo de seleção de títulos seja mais completo e em tempo real. Para isso, avaliamos constantemente novas fontes de informação alternativas para decidir se os seus dados nos podem permitir ter uma melhor visão dos mercados e estimar de forma mais precisa os retornos futuros de uma empresa. Com o crescimento e disponibilidade de fontes de informação não tradicionais como o tráfico web na Internet, o registo de patentes ou as imagens por satélite, temos estado a utilizar dados mais concretos e em ocasiões pouco convencionais para conseguir vantagens informativas e tomar decisões de investimento mais informadas”.

Melhorias introduzidas no modelo de 2016

O modelo está em contínuo processo de revisão e melhoria, o que faz com que cada vez seja mais eficiente. No ano passado introduziram novos sinais ao modelo. O primeiro foi a temática da rentabilidade para empresas dos EUA, analisando as tendências de gasto nos cartões de crédito como indicador em tempo real da rentabilidade das empresas. Em vez de esperar os anúncios trimestrais de lucros, avaliam mais de 74.000 milhões de transações em cartões de crédito em tempo real e como é que as tendências de consumo afectam as empresas.

Em segundo lugar, melhoraram a sua temática de sentimento em relação aos EUA, introduzindo um novo sinal que mede o nível de elogios dos analistas feitos  às empresas quando estas anunciam resultados. Analisam milhares de notas de analistas empregando sistemas de processamento natural da linguagem. “Centrando-nos em identificar uma série de palavras positivas podemos estimar o número de analistas que elogiam a empresa, e desta maneira conseguimos uma visão completa do sentimento do investidor para os últimos resultados de uma empresa”, indicam os especialistas da equipa da entidade.

 

 

 

Notícias relacionadas

O Mais Lido