Desmistificando Futuros Administrados

Excelente paper (link) da Man Investments sobre Trading Quantitativo de Futuros.

Estatísticas para criação de sistemas: Conhecendo "risco overnight" e "risco intraday"

Não privilegio nem desconsidero daytrade ou qualquer outra frequencia de operações, porém acho muito importante "conhecer" os mercados para os quais você pretende modelar e quantificar suas idéias operacionais. Este post trata exatamente como "encontrar" os riscos do mercado, tanto para as posições exclusivamente "dormidas" quanto para posições exclusivamente "intraday".

Experiência 1 - Econtrando o "Risco Overnight"

Um exemplo de como encontrar esse risco é um teste simples que consiste em:

1 - Compre uma posição hoje no fechamento
2 - Venda esta posição amanhã na abertura.

Desta forma apenas vamos computar os resultados da diferença entre o "fechamento de hoje e a abertura de amanhã" num periodo de amostragem significativo.

Abaixo o resultado aplicado ao Dolar Futuro:


Perceba que o risco de "exclusivamente dormir comprado" no Dolar Futuro, desde 2004, foi significante. Uma estratégia que compra no fechamento, e vende esta posicao na próxima abertura foi uma receita para "perder dinheiro consistentemente". Neste caso o dolar vem caindo a alguns anos, e o resultado do teste pode fazer algum sentido lógico.

Vamos ver agora como foi o risco de dormir posicionado no Ibovespa Futuro:


Apesar do mercado só subir a alguns anos, note que a curva de equity parece perder dinheiro de forma muito consistente. Dessa forma, independente da tendencia geral do mercado, a estratégia de comprar no fechamento e vender a posição na abertura foi uma receita absolutamente perfeita para se perder dinheiro consistentemente também, mostrando claro risco e desvantagem estatistica.


Experiência 2 - Invertendo a lógica: "Risco Intraday"

Invertemos a lógica para:

1 - Compre uma posição hoje na abertura.
2 - Venda esta mesma posição hoje no fechamento.


Os resultados foram os seguintes, aplicados ao Dolar Futuro:


Mesmo carregando posições apenas durante o pregão, esta estratégia também se mostrou bastante ineficiente.

Agora vamos ver essa mesma lógica aplicada ao Ibovespa Futuro:




Perceba que agora os riscos foram um pouco menores, e houveram casos onde se tiveram lucros e prejuizos diluidos ao longo do tempo, gerando uma curva de equity com pouca tendência. Da mesma forma, não foi uma estratégia interessante para se obter lucros.


Concluindo

Testes estatísticos como esse são importantes para quebrar paradigmas a cerca de estratégias e comportamentos que antes julgaríamos fazer sentido. Assim passamos a conhecer um pouco mais sobre os riscos dos mercados para os quais queremos modelar estratégias quantitativas, e temos a chance de evoluir mais nossas idéias e criatividade nessa área.

Com isso, questões do tipo "qual o melhor momento para abrir/fechar posições neste mercado, de acordo com minha estratégia?" podem ser repondidas.

Notícia: From Quant to Riches(mais sobre a Renaissance Technologies)

NEW YORK (HedgeWorld.com)—Jim Simons, the legendary mathematician and hedge fund manager who runs Renaissance Technologies Corp., may use black boxes on his trading floors, but as a person he is open and forthcoming: a mixture of humility, common sense and pragmatism. At the International Association of Financial Engineers annual conference, this year titled "From Quant to Riches," and held in New York on Monday [May 21], Mr. Simons gave a speech in which he offered self-effacing insights about himself and his investment style.

Mr. Simons is probably the most successful hedge fund manager of all time. His $26 billion hedge fund has yielded returns exceeding 30% for more than a decade. He also brought home $1.5 billion last year, according to Trader Magazine, tops among his peers in compensation. And yet, he remains modest and attributes a lot of his successful career to luck.

"There is no real substitute for common sense except for good luck, which is a perfect substitute for everything," Mr. Simons said at the conference. "I had luck as a mathematician. I became very famous but I had very little to do with it."

Mr. Simons' success may be the result of several factors. One is certainly the rare ability to be at the same time a top trader and a high-end mathematician. In some instances, Mr. Simons the mathematician almost appears to be a different person than Mr. Simons the trader. And yet, the man is all of that. Who would have thought, for instance that Mr. Simons viewed himself as a speculator? But he does. "Speculation comes in and destroys trends. I am a speculator. It accelerates the trend. It gets you closer to the truth faster," he said.

One interesting revelation was that the champion of statistical arbitrage and computer-generated trading started as a directional trader. The master of quantitative finance started with his business partner as a commodity trader. Both made wild bets and in 1974 the two launched their fund with $600,000. In seven months, they had grown in size by a factor of 10. Mr. Simons' partner "never made any money as a commodity trader after that for the rest of his life," said Mr. Simons.

In the 1970s, Mr. Simons made a lot of his fortune with sugar. In his speech, he said he bought sugar at 20 cents per pound. The commodity went up to 60 cents per pound in a short time.

Then came a time when the directional trader slowly moved toward models. But the evolution did not happen overnight. During that transition time, Mr. Simons hired a partner, Lenny Baum, to write models for him. Mr. Baum concentrated on writing currency models, and it worked out well. But after some time, Mr. Baum grew tired and bored of it, said Mr. Simons. At some point, Mr. Baum decided to buy the British pound. "The pound went through the roof. Lenny never looked at a model again," said Mr. Simons.

During the first two years after the two partners gave up modeling altogether, they multiplied their capital by a factor of 12.

Mr. Simons credited both luck and common sense in explaining his success. In an anecdote, he explained how he came to sell his gold during a gold rally. "My broker said his wife had sold his [gold] cuff. I told my broker to sell my gold position. He didn't want to but I told him: ‘I'm the boss.' Gold was up the next day, but the following day, it was the end of the gold rally. I was lucky. But that was also common sense."

Two of Mr. Simons' other interesting personality traits, ones that are necessary to be a master trader, are his adaptability and flexibility.

Mr. Simons took his currency model and applied it to commodities. At the end of the 1980s, he switched styles. "We decided that systematic trading was best. Fundamental trading gave me ulcers."

Mr. Simons also needed traders. But he felt that he did not know how to pick a good trader. "Science, I understood. I decided to just focus on making models."

That's when the Medallion Fund started in 1988 with $25 million. It's worth noting that during these early years Mr. Simons did not completely settle for quantitative finance.

Mr. Simons, who does not suffer from an inflated ego, said that even at that time, he had a lot to learn. "It took us six years to learn how to trade stocks," he said. But the learning paid off. Five years after Medallion launched, the fund was closed to new investors. And by the end of 2002, Medallion had almost $7 billion under management. Judging that it was too much, Mr. Simons in 2005 returned all the money to investors.

This marked another milestone, at which point Mr. Simons again reinvented himself. "We understood the limitations of very high-speed trading techniques. We looked at other factors besides intraday fluctuations," he said. From high-frequency trading, Mr. Simons evolved to a system that focused on the long end of the frequency spectrum. In addition, his new systems integrated elements of fundamental analysis, such as balance sheets or income statements.

His new research began at the start of 2004 and in July of 2005, Renaissance launched its Renaissance Institutional Equities Fund (RIEF).

The launch was newsworthy due to its phenomenal size. "We targeted $100 billion. It attracted a great deal of attention, which I intended to do," Mr. Simons said. "The $100 billion was a template for research. This fund can only charge low fees. In order to make it worthwhile, you have to make it very big, otherwise, it doesn't make sense."

Renaissance has charged incentive fees of up to 44% for some of its products in the past. RIEF charges a 1% management fee and 10% for performance with high water mark, according to a marketing document obtained by HedgeWorld.

So far, the fund is growing at a steady pace and has reached $26 billion.

Mr. Simons said that "trend-following is not such a good model. It's simply eroded." Things change and being able to adjust is what made Mr. Simons so successful. "Statistic predictor signals erode over the next several years; it can be five years or 10 years. You have to keep coming up with new things because the market is against us. If you don't keep getting better, you're going to do worse." Mr. Simons said that his models change weekly.

Mr. Simons talked about Renaissance's little-known fund of funds, arguing as a good contrarian that "past performance is to some degree indicative of what it's going to be in the future." He then rephrased his statement to make it acceptable to the Securities and Exchange Commission: "Past performance is certainly not a guarantee, but somewhat, it's likely correlated," he said.

Mr. Simons said that Renaissance comprises 300 people. Here again, the myth of secrecy collapsed. "Our atmosphere is 100% open," he said. "It's the best way to do science. There's a weekly meeting with everybody."

As is widely known, Mr. Simons works with scientists, not traders. "We use a lot of mathematicians, physicists, astronomers, computer scientists. We haven't hired out of Wall Street at all."

In 2004, Mr. Simons, along with a group of mathematicians and business people, founded Math for America to improve math education in U.S. public schools. The organization is behind a new bill called America Competes—a bill to expand basic research and development and promote math and science education—which Mr. Simons said he hopes will get passed.

So what's in Mr. Simons' black box? He won't say of course. But if there is a secret, it's a pretty simple one "It's 100% automated. It's as automated as it can be. The computer does its thing. It generates its trade, and the trade gets executed. No one sticks its head to the door, and says: ‘Jeez! You should buy IBM!' We couldn't model that."

Trading de Pares Estatístico (Pairs Trading)

Breve história do Pairs Trading

Trading de Pares Estatístico (também conhecido por statistical pairs trading ) é o nome que se dá a uma técnica de especulação de curto prazo (ou uma vertente de estratégias de trading) que estudam relacionamentos matemáticos entre preços de dois ou mais instrumentos financeiros, com objetivo de encontrar oportunidades de lucro.

Originalmente surgiu nos anos 80 em meio a um grupo de quants do banco Morgan Stanley. Desde então se difundiu bastante entre investidores institucionais, hedge funds, operações proprietárias e tesourarias dos maiores bancos de investimentos do mundo.

Permaneceu em "segredo" do público por muitos anos sendo largamente utilizado exclusivamente por profissionais do mercado praticamente até o advento da Internet.

O que é Pairs Trading?

Pairs trading é uma estratégia pura de market neutral (não direcional - não sofre influência alguma sobre o futuro econômico, já que apenas se baseia nas relações entre preços dos instrumentos financeiros selecionados). O conceito básico por trás do Pairs Trading é extremamente simples: encontre 2 instrumentos financeiros cujos preços tenham se movido juntos historicamente (alta correlação), durante um período significativo. Quando o spread (diferença de preços) entre estes 2 ativos aumentar, compre o perdedor e venda a descoberto (short) o ganhador. Se a história se repetir, os preços irão convergir e o arbitrador fará um bom lucro.

O mais impressionante é que uma estratégia conceitualmente simples baseada em histórico de relacionamento e dinâmica entre preços, empregada com princípios contrários de investimento (convergência, reversão a média), pode ser lucrativa (porém com certa complexidade para implementação prática). Se o mercado fosse eficiente, os retornos ajustados ao risco de estratégias de pairs trading não deveriam ser positivos.

Lições e reflexões "quantitativas"....

Trading quantitativo, se bem empregado, permite tirar vantagem de anomalias estatísticas em séries temporais. Essas anomalias tornam as mudanças de preço futuras um pouco diferentes de uma chance de 50%.

Toda estratégia quantitativa deve capturar comportamentos persistentes e explicáveis dos participantes do mercado. Depois de alguns anos de pesquisa, descobri que apenas um único princípio estatístico funciona consistentemente: o efeito do medo nos mercados financeiros.

Transformando-se em técnicas quantitativas, seriam elas: pullback, convergência, reversão a média e etc... Todas estas técnicas lidam com os mesmos efeitos estatísticos. É possível encontrar estes efeitos em frequência horária, diária, semanal, mensal e até mesmo anual.

Percebi que as frequencias mais interessantes (pra mim) são compreendidas entre 2 a 6 dias. Ao mesmo tempo, nenhum indicador matemático linear (os chamados indicadores técnicos clássicos) podem ser usados com sucesso na exploração destas ineficiências dos mercados.

Na minha opinião, o risco é melhor controlado através do uso de um grande número de pequenas apostas em detrimento a realização de grandes e poucas operações. Também acredito fortemente na diversificação de risco através da diversificação de estratégias, frequências temporais, mercados, e até mesmo regiões geográficas.

Como a lógica demonstra, estratégias que produzem resultados bons em longos períodos de amostragem certamente serão mais robustas do que estratégias que demonstrem lucros interessantes em certos periodos isolados, mas que necessitem de constante otimização. Otimizar sempre é enganar-se constantemente....Testar estratégias em bases de dados sintéticas derivadas de séries temporais reais pode ser uma excelente ferramenta para evolução e melhoria constante. Tentar prever os preços do futuro com ciência em muitos casos pode não ser tão eficiente, porém tentar prever retornos de um sistema (análise de comportamento, análise de processo e etc).. usando o estado da arte em tecnologia pode ser um grande diferencial para um gestor. Esteja aberto a novas tecnologias e evoluções...

A lógica do ser humano é incompatível com lucros na hora de especular. Nunca desvie de sua estratégia, por maior que seja a "tentação". Use sua intuição e imaginação para criar novas estratégias e novas idéias de trading, mas nas as use na hora de operar ou gerenciar risco.

A combinação de vários indices/métricas de performance (retorno, drawdown, sharpe ratio, sortino ratio, probabilidades, volatilidade, esperança matemática e etc..) são sempre melhores do que apenas um sozinho.

Stops nem sempre são boas formas de se fechar uma posição perdedora. Ao contrário do que se diz ou se lê, eles pioram muito qualquer estratégia na grande maioria dos casos.

Soma zero obedece a Teoria dos Jogos. Por este motivo esqueça qualquer técnica de domínio público (inclusive análise técnica): você precisa se diferenciar da massa pra tentar conseguir auferir algum lucro. Mercados emergentes são sempre mais ineficientes (e mais arriscados) do que mercados bem desenvolvidos (já que nos mercados desenvolvidos tem-se muito mais competidores, maior volume financeiro e uma vasta variedade de estratégias que se utilizam de muita tecnologia de ponta na corrida por lucros...).

Seja autêntico: produza sua própria pesquisa filosofias e convicções...

Não tenha pré-conceitos a cerca de nenhuma estratégia, filosofia operacional, técnica ou etc.. (você pode deixar de descobrir ou aprender muita coisa por causa disto). Também não confie em nenhum guru, livro ou artigo (como este meu). Seja cético. Teste matematicamente qualquer efeito, anomalia, idéia, antes de usar na prática...geralmente a maioria das novas idéias são inúteis no mundo real...

Olhe pra frente, evolua....Se você não fizer será engolido pelo mercado!

Usando dados sintéticos para aumento de robustez

Um dos grandes problemas encontrados quando alguem se depara com o desenvolvimento de trading systems são falta de dados suficientes para produzir resultados e testes confiáveis.

No livro "Beyond Technical Analysis, 2nd Ed.," o Dr. Tushar Chande traz a tona este problema e demonstra como desenvolver dados de preços sintéticos usando um método que ele denomina "data scrambling".

Sua idéia básica é iniciar pela série real e randomicamente se basear nela para criar uma série de preços sintética.

Por que a técnica é interessante?

Todos os métodos de criação de dados sintéticos que são comumente utilizados geram dados puramente randômicos. O mercado não se comporta, na maioria das vezes, como um random walk puro. A diferença da técnica de Chande para as outras é que ela se baseia na série de preços real para criar sua série sintética.

Desta forma o resultado fica mais distante de um "random walk" e mais próximo de uma "realidade paralela/alternativa".

Modificando a técnica do Dr. Chande

Enquanto Chande utiliza 4 valores randômicos para Abertura/Minima/Maxima/Fechamento, utilizei apenas a diferença entre o "fechamento de ontem" e a "abertura de hoje" da série de preços real aplicada a uma função randômica, mantendo assim todas as propriedades da "barra de hoje". Creio que desta forma podemos produzir dados sintéticos muito mais próximos do que realmente poderiam ter sido.

Um exemplo dos tipos de dados gerados com esta técnica de Chande com ligeira modificação pode ser visto abaixo:

dados reais (ibovespa futuro- clique para ampliar)

dados sintéticos 1 (ibovespa futuro "alternativo" - clique para ampliar)dados sintéticos 2 (ibovespa futuro "alternativo" - clique para ampliar)

dados sintéticos 3 (ibovespa futuro "alternativo" - clique para ampliar)

dados sintéticos 4 (ibovespa futuro "alternativo" - clique para ampliar)

Resultados em comum entre as Séries Sintéticas e a Série Real:

• Mesmo número de barras

• Mesma data (e hora, se for o caso) de todas as barras

• Mesma distrubuicão de volume

• Mesma distribuição de Maxima/Abertura, Minima/Abertura, Fechamento/Abertura

• Mesma distribuição de Abertura(hoje)/Fechamento (Ontem)

• Aproximadamente o mesmo lucro "buy and hold"

Quais os benefícios práticos?

Com esta técnica de geração de bases sintéticas, é possível testar exaustivamente seu sistema contra vulnerabilidades (altos drawdowns, alta volatilidade financeira) que "ainda não ocorreram" com as séries reais.
Independente da filosofia e estratégia utilizada por seu trading system (e seja ela preditiva ou reativa), você será capaz de encontrar possíveis vulnerabilidades e prejuizos desastrosos que não chegou a ver (backtesting) ou vivenciar (presente) com os dados reais. Se um sistema consegue trabalhar bem ao mesmo tempo com dados sintéticos e dados reais, ele terá um nível de robustez muito superior.

Trend Following com perfeição!

Quem leu o título deve ter estranhado...perfeição? sem dradowns? lucro máximo?

Sim, é possível....

clique para ampliar
(grafico indice ibovespa futuro - 2003-2007)

Mas não se deixe enganar!!

Infelizmente, isto só é possível depois que o mercado já criou suas tendências de alta e de baixa, e se passaram muitas barras após o fato...Dessa forma, estive testando e implementando um código, para fins didáticos, que tem a capacidade de encontrar o melhor momento de entradas e saidas, operando tendência (trend following), numa sequência de preços do passado.

O interessante nisso tudo, é que o sistema foi capaz de achar tendências de curtissimo prazo e outras que perduraram anos, num horizonte de 20 anos, com um drawdown máximo de apenas -5,97%, volatilidade anual de 15,58% e um lucro de +933,3k % .... Posso dizer que isto está bem "próximo da perfeição", e definitivamente serve como uma métrica pra desenvolvimento de outros sistemas.

Outra utilidade para este sistema seria uma "analise técnica perfeita" - é fácil perceber os topos e fundos o sistema conseguiu encontrar...

dados recentes (2006-Hoje, incluindo a crise da China e crise do Subprime)

Como funciona?

Perceba, na imagem acima, que o sistema está comprado desde o dia 20/08/2007. Imagine agora que o mercado venha abaixo nas próximas barras (futuro), fazendo uma mínima muito menor que a do dia 16/08. Se isto acontecer entao o software irá dizer que "vendeu" esta posicao já comprada no melhor ponto possível no passado (e ele só saberá isto depois que o fato ocorreu).

Desta forma, "sistemas didáticos" são inúteis para operação, mas são ferramentas interessantes para fins de estudo, auxílio no desenvolvimento e vizualização do passado...

Cuide dos seus Stops

Cuide dos seus Stops
(um estudo estatístico relacionada a stops & sistemas quantitativos)

A grande maioria das literaturas disponíveis sobre trading tratam apenas entradas(abertura de posições), e poucas dizem respeito sobre saídas.

Foi feito um teste onde a entrada no mercado é aleatória. Assim que a posição anterior é fechada, usamos um gerador randomico para saber se devemos operar comprados ou vendidos na próxima barra. Como resultado este sistema está 100% do tempo no mercado.
Algum comportamento basico e óbvio foi observado:

• Devido a entrada aleatória, não há esperança de lucros.
• Quanto mais apertados os stops, mais curtos os trades, maiores as oportunidades.
• Um stop curto será atingido mais frequentemente do que um stop distante.
• Um trailing stop vai frequentemente encerrar o trade cedo demais.

Resultados:

Alguns resultados não sao óbvios A maioria não é discutida em lugar algum.

Trading é um jogo justo

Se usarmos um StopLoss e um Lucro Alvo simétricos em volta do nosso preço de entrada, teremos uma chance "justa" (razoáel). A taxa de ganhos/perdas tende a exatos 50%. Esperança matemática e lucros tendem a 0 menos corretagens e demais custos.
Obs: Estes resultados foram conseguidos independentemente das condições de mercado (tanto para o Buy N Hold com resultados positivos ou negativos).
Dados estes resultados, é compreensível por que a maioria dos sistemas perde dinheiro no mercado.


Duração do Trade

A duração média dos trades (média de barras posicionado) depende da distância do lucro alvo e do StopLoss. Devido aos movimentos dos preços serem praticamente aleatórios, os preços alcançarão a saída num período proporcional ao quadrado da distância.

(clique para ampliar)

Stops Assimétricos não mudam a Esperança Matemática

StopLoss/Lucros-Alvo assimétricos modificam as taxas de ganho/perdas e média de ganhos / médias de perdas de acordo, porém não mudam a esperança matemática e os lucros. Se os seus stops/alvo forem muito distantes, a probabilidade de serem atingidos pode ser baixa, porém, talvez baixa demais para o periodo histórico que forem utilizados.

Trailing Stops?

Modificam pra baixo as taxas de ganhos/perdas, média de perdas também cai, e a esperança matemática não muda. Contrário ao que senso comum nos diz, o stoploss não modifica o lucro esperado de um sistema. De fato ele piora as taxas de ganhos/perdas.

Uso de Timeouts

Muitos trading systems usam timeouts. Se o trade não for pra lugar algum depois de determinado tempo, ele é encerrado (no lucro ou no prejuizo).
Como esperado, a combinação de timeouts com stops simétricos não altera o lucro, porém o interessante é que timeouts combinados com stops assimétricos poderão aumentar a esperança matemática, fazendo com que os trades perdedores fiquem mais "lentos", com a utilização de stops mais distantes e utilização de lucros-alvo mais curtos.

Deixe os lucros fluirem

Velho ditado encontrado em todo lugar. Modo testado: depois de certo periodo o trade mostrou prejuizo, é acionado o stop. Se for lucrativo, deixe-o perdurar mais. Resultados: esperança matemática zero!


Observações

Todos estes resultados acima se basearam em entradas aleatórias. Se houver algum tipo de entrada, indicador, técnica ou condição que seja "melhor que o randômico", eles deverão mostrar algum lucro imediatamente. Ao mesmo tempo, se houver uma condição de saída melhor que a randômica, ela deverá melhorar o lucro esperado. Significa que este estudo pode ser tomado como base na criação da sua própria estratégia quantitativa.

Criando seu próprio Hedge Fund de maneira sintética

Investir em Hedge Funds pode trazer diversos benefícios, como a baixa correlação com o mercado de ações, a consequente proteção em mercados baixistas e um melhor perfil de retorno-risco. Infelizmente, Hedge Funds apresentam também diversas desvantagens, como as taxas excessivas (usualmente 2% de taxa de administração mais 20% sobre os lucros), falta de transparência e problemas de liquidez e capacidade.

Desta maneira, alguns pesquisadores começaram a investigar métodos quantitativos de se gerar retornos parecidos com os dos Hedge Funds, negociando-se apenas instrumentos financeiros mais líquidos, como contratos futuros e títulos de renda fixa.

A primeira abordagem tentada foi a chamada "replicação por modelos de fatores", em que o objetivo é reproduzir o mesmo retorno do fundo original mês a mês. Em outras palavras, se o fundo apresenta um retorno de 1.5% este mês a técnica procura criar uma réplica composta de ações, títulos e outros instrumentos que irá gerar o mesmo retorno de 1.5% aquele mês. O problema com esta abordagem é a dificuldade de se identificar fatores que explicam com precisão as estratégias de investimentos dos Hedge Funds. Além disto, muito dos fatores são "não negociáveis" diretamente no mercado. Dadas estas dificuldades, uma abordagem alternativa foi proposta pelo Professor Harry Kat da Cass Business School em Londres, em um trabalho conjunto com o brasileiro Helder Palaro. A idéia não é replicar o mesmo retorno do fundo original mês a mês, o que seria muito ambicioso, mas obter a mesma distribuição de retornos no longo prazo. Com isto, os retornos do fundo original e da réplica podem vir em uma ordem completamente diferente, mas após um certo número de meses o fundo original e a réplica irão convergir para o mesmo nível de risco (medido pela volatilidade e assimetria) e o mesmo nível de correlação com os mercados. Os pesquisadores aplicaram o método para 2000 Hedge Funds e 875 Funds of Funds sempre utilizando dados "fora-da-amostra". O resultado foi impressionante, cerca de 80% destes fundos poderiam ser replicados por uma cesta de 7 contratos uturos (S&P500, 30YBond, Russell 2000, GSCI, 5YNote, 10YNote and 3MLibor), e a réplica obtida possuiria um retorno mais alto que o fundo original. Para os 20% melhores o nível de risco ainda seria replicado, mas o retorno obtido pelo fundo original seria maior. Um dos motivos para a provável facilidade em replicar a maioria destes fundos seria as altas taxas cobradas por eles.

Alguns exemplos de aplicação deste método podem ser encontrados no site http://www.fundcreator.com. Em um dos exemplos, o investidor estaria interessado em criar uma réplica (fundo sintético) com 12% de volatilidade ao ano e com correlação zero com sua carteira, composta de ações e títulos de renda fixa. Após algum tempo negociando-se diariamente uma cesta de 7 contratos futuros, o nível de risco desejado é rapidamente atingido, e o retorno médio converge para cerca de 11% ao ano, bastante expressivo para um fundo deste nível de risco.

Para os Hedge Funds que apresentam performance positiva (dado seu nível de risco), técnicas de replicação como esta não apresentam ameaça alguma. Porém de uma maneira geral estas técnicas irão provavelmente forçar as taxas médias da indústria de Hedge Funds para baixo, em um processo parecido com o que ocorreu na indústria de Mutual Funds, onde uma parte significante dos recursos migrou para os chamados fundos passivos ou indexados.

O matemático considerado como melhor gestor de fundos do mundo...

Simons, o novo Soros
| 14.06.2007
Mito em Wall Street, o matemático que comanda a gestora Renaissance ganha mais de 3 000 dólares por minuto


James Simons: rentabilidade anual de 39% há 16 anos
Por Eduardo Salgado

EXAME Perto das remunerações anuais dos principais nomes do mercado financeiro internacional, qualquer salário ganha uma dimensão microscópica. Mesmo levando-se em conta esse padrão milionário, porém, os rendimentos do matemático americano James Simons, de 69 anos, têm deixado muita gente em Wall Street roxa de inveja. No ano passado, Simons, dono da gestora de recursos Renaissance Technologies, de Nova York, levou para casa a fábula de 1,7 bilhão de dólares, quase o dobro da remuneração de George Soros, o lendário investidor que fez fama e fortuna ao derrubar a moeda britânica no começo dos anos 90. Em média, Simons, um senhor descrito por quem o conhece como um tipo "com os pés no chão" a despeito da fortuna que possui, ganhou mais de 190 000 dólares por dia -- incluindo sábados, domingos e feriados --, ou 3 190 dólares a cada minuto do dia e da noite. Essa quantia leva em conta os lucros obtidos por ele com taxas de administração e de performance cobradas de seus clientes, além dos ganhos que teve aplicando o próprio dinheiro nos seus fundos. A título de comparação, a remuneração de Lloyd Blankfein, principal executivo do banco de investimentos Goldman Sachs, um dos maiores ícones do capitalismo mundial, foi de 54 milhões de dólares no ano passado. Nem dá para dizer que 2006 foi um ano de sorte para Simons. Em 2005, ele já tinha embolsado 1,5 bilhão de dólares.

Um matemático no topo
Na lista dos barões dos fundos de hedge, James Simons é o número 1. Em 2006, ele foi o que teve a melhor remuneração anual, quase o dobro da de Soros (em dólares)

1º James Simons 1,7 bilhão
2º Kenneth Griffin 1,4 bilhão
3º Edward Lampert 1,3 bilhão
4º George Soros 950 milhões
5º Steven Cohen 900 milhões
6º Bruce Kovner 715 milhões
7º Paul Tudor Jones II 690 milhões
8º Timothy Barakett 675 milhões
Fonte: Alpha Magazine

Simons atua num segmento específico do mercado, os fundos de hedge, considerados há muito a elite do sistema financeiro pelo arrojo e pela capacidade de fazer, simultaneamente, operações em moedas, ações, commodities e títulos. Ao longo da última década, esses gestores se firmaram, de forma indiscutível, como elite também em termos de remuneração. Além de Simons, outros dois controladores de fundos de hedge ganharam mais de 1 bilhão de dólares no ano passado, segundo aponta um levantamento publicado recentemente pela revista americana Alpha. Juntos, os 25 profissionais que mais faturaram no segmento de fundos de hedge acumularam 14 bilhões de dólares em 2006, número três vezes maior que o registrado em 2003 e de magnitude comparável ao PIB do Uruguai.

Nesse mundo de titãs, Simons roubou de Soros o primeiro posto e hoje é visto como uma espécie de semideus por seus pares. A rentabilidade anual de seu fundo mais conhecido, o Medallion, agora aberto apenas para o próprio Simons e seus funcionários, é de 39% há 16 anos, um recorde absoluto em Wall Street. O Renaissance Institutional Equities Fund, fundo criado em 2005 e ainda aberto a investidores, rendeu 20% no ano passado. Uma das explicações para tal sucesso é o fato de Simons ser um matemático fora do comum. Sua especialidade são softwares baseados em algoritmos que fazem análises da trajetória de ativos, como ações e moedas, em busca de oportunidades -- os chamados fundos quantitativos, nos quais pelo menos parte da operação financeira é comandada não por gestores, mas pelos computadores. Os bem-sucedidos programas de Simons são um segredo comparável ao da fórmula da Coca-Cola. Quem trabalha na Renaissance fica conhecendo apenas parte deles. "Simons é um gênio da matemática", diz Armínio Fraga, ex-presidente do Banco Central que teve uma passagem de sucesso pela empresa de George Soros em Nova York. No material usado para apresentar os fundos de Simons a novos clientes, afirma-se que todas as informações que possam afetar, ainda que minimamente, os preços dos ativos são consideradas pelo software. Há, é possível, uma boa dose de exagero nessa afirmação, mas o poder de fogo dos computadores à disposição de Simons serve de indicador da complexidade dos programas que geram os fundos. A capacidade de processamento de dados da Renaissance equivale à da Sun Microsystems, uma das maiores companhias de computação do mundo e criadora de tecnologias como o Java.

Simons é um ponto fora da curva também pelo time que formou. Entre seus 270 funcionários, há um exército de 80 doutores de áreas tão distintas como astronomia e lingüística. Em Nova York, sua fama é de ser um chefe preocupado com o bem-estar de seus funcionários e em manter um bom ambiente de trabalho. Isso e os bônus milionários explicam a baixíssima rotatividade da Renaissance. "Simons sempre mostrou interesse em ajudar quem está perto dele", diz David Ebin, diretor do departamento de matemática da Universidade Stony Brook e amigo de Simons há mais de 35 anos. "Além de tudo, tem um ótimo senso de humor." Apesar do clima aparentemente agradável e da remuneração, que fazem da Renaissance uma espécie de oásis no estressado mundo das finanças, a maioria dos analistas nem perde tempo em tentar cavar uma vaga na empresa. "O negócio dele é contratar Ph.Ds. de fora do mercado financeiro", diz o carioca Raul Guimarães, sócio do fundo de hedge Seagul Capital e há 15 anos em Wall Street. "Não dá nem para almejar trabalhar com Simons."

O sucesso da Renaissance, a sexta maior empresa do segmento no mundo, e os ganhos de Simons têm relação direta com o incrível crescimento dos fundos de hedge nos últimos anos. Em 2000, o patrimônio total dos fundos era de 490 bilhões de dólares, segundo estimativa da Hedge Fund Research, uma empresa de pesquisa de Chicago. Hoje, o número é de 1,6 trilhão, inflado pela procura de grandes fundos de pensão interessados em atraentes promessas de retorno. Essa crescente importância do segmento tem causado a ira de gente influente -- caso, por exemplo, do ministro da Fazenda alemão, Peer Steinbruck. Segundo críticos como ele, o sistema financeiro mundial corre o perigo de entrar em colapso se o pânico se instalar por algum motivo no mercado financeiro e os especuladores embarricados nos fundos de hedge saírem vendendo seus ativos desenfreadamente. Steinbruck tentou, sem sucesso, convencer outros ministros econômicos na mais recente reunião do G8, o bloco dos países mais poderosos do mundo, a encampar a tese de algum tipo de controle externo. Outro flanco dos fundos de hedge explorado pelos críticos são os lucros bilionários sem que haja necessariamente a contrapartida em termos de retorno para o investidor. Para muita gente, os gestores ganham dinheiro fácil. Normalmente, um fundo cobra 2% de taxa de administração e 20% de taxa de performance, o que garante um bom retorno mesmo em caso de insucesso das aplicações. O fundo Bridgewater Associates, dos Estados Unidos, por exemplo, entregou a seus clientes um rendimento anual de sofríveis 4% no ano passado, mas ainda assim Raymond Dalio, seu fundador, levou 350 milhões de dólares para casa.

Com um histórico vencedor, Simons não pode ser acusado de frustrar a expectativa dos aplicadores. Seu sucesso como gestor é mais um capítulo de uma trajetória marcada pela busca da perfeição. Depois de acabar seu doutorado em matemática na Universidade da Califórnia, nos anos 60, Simons, filho de um empresário do setor calçadista, trabalhou para o Departamento de Defesa na época da Guerra do Vietnã no setor que tentava desvendar os códigos secretos usados pelo inimigo. Nos anos seguintes, seguiu carreira acadêmica e deu aulas nos prestigiosos MIT, Universidade Harvard e Universidade Stony Brook. O sucesso com seus investimentos pessoais fez com que abandonasse a academia no final dos anos 70 e apostasse no mercado financeiro. Como outros expoentes do segmento de fundos de hedge, Simons tem se destacado como doador de causas nobres. Há um ano, anunciou que daria 25 milhões de dólares para a criação de um centro de matemática e física na Universidade Stony Brook. "A vantagem dele é que conhece como a academia funciona. Por isso, além de doar dinheiro, ele opina sobre a forma como será investido", diz Ebin, diretor do departamento de matemática da Stony Brook. Mesmo após todos esses anos longe das salas de aula, Simons ainda não perdeu o ar de professor universitário. Adora conversar sobre ciência e em nada lembra o figurino engomado dos grandes executivos. Para os investidores, esses detalhes são irrelevantes. O que importa são os resultados -- e, nesse quesito, Simons, por quase duas décadas, tem sido rigorosamente impecável.