Estudo de Harvard mostra que IA prevê 71% das operações de fundos ativos

Rede neural antecipou a maioria das decisões de compra, venda ou manutenção de ações

Publicado em 24/02/2026 às 18h14.

Por Redação

Foto: “Mimicking Finance”, de Lauren Cohen, Yiwen Lu e Quoc H. Nguyen

Dia após dia, investidores de Wall Street se preocupam que a inteligência artificial possa provocar uma disrupção em setores de colarinho branco ao transformar o julgamento humano especializado em código. A seleção de ações parece estar exatamente na rota dessa disrupção. A informação é da Bloomberg.

Um novo estudo acadêmico liderado por um professor da Harvard Business School mostra que grande parte do que gestores de fundos ativos fazem segue padrões que as máquinas conseguem aprender. Usando um algoritmo de aprendizado de máquina chamado rede neural, o sistema foi capaz de prever cerca de 71% das decisões de negociação de fundos mútuos — se um gestor iria comprar, vender ou manter uma determinada ação ao longo de um trimestre.

O modelo foi treinado em janelas móveis de cinco anos, de 1990 a 2023, com base em informações como tamanho do fundo, fluxos de investidores, características das ações e condições econômicas mais amplas. Com isso, ele conseguiu antecipar a maior parte dos ajustes de portfólio.

A reviravolta: seus limites podem ser mais reveladores do que seu sucesso. As negociações que o sistema não conseguiu antecipar — aproximadamente 29% — estavam, em média, mais associadas à geração de retorno acima do mercado. Em outras palavras, a atividade que foge dos padrões de investimento rotineiros e detectáveis parece ser onde está concentrada a maior parte do valor.

A implicação não é que as máquinas tenham decifrado os mercados. Em vez disso, elas parecem ter aprendido boa parte do “manual comum” da indústria — como os gestores tendem a reagir a fluxos, tendências de mercado e aos próprios pares. O que elas têm dificuldade em capturar é a parcela menor de decisões que foge desse manual.

“Se 71% das suas decisões podem ser antecipadas por um algoritmo, fica muito difícil justificar as taxas de gestão ativa para essa parte”, explicou por e-mail Lauren Cohen, professor de finanças em Harvard e coautor do estudo. “Agora, as operações não rotineiras, aquelas que nosso modelo não consegue prever, são onde o alfa genuíno está. Mas elas representam uma fatia relativamente menor da atividade total.”

O trabalho, ainda em versão preliminar (working paper) e publicado na semana passada pelo National Bureau of Economic Research, intitula-se Mimicking Finance e chega em um momento em que a inteligência artificial está sacudindo áreas cada vez mais especializadas de serviços profissionais. Nas últimas semanas, o medo de disrupção pela IA levou a fortes oscilações nas ações de empresas que vão de gestoras de patrimônio a grupos de logística.

Para os gestores de fundos ativos, a crítica não é nova. Investidores vêm tirando dinheiro de fundos de stock picking e migrando para produtos de índice de baixo custo há anos. A promessa central da indústria sempre foi o “alfa” — retornos acima de um índice de referência como o S&P 500 — mesmo enquanto modelos quantitativos aumentam a régua ao mostrar o quanto do desempenho pode ser explicado pela exposição ao mercado e por estilos de investimento bem conhecidos.

Este estudo, coassinado com Yiwen Lu, da Universidade da Pensilvânia, e Quoc H. Nguyen, da Universidade DePaul, aprofunda ainda mais essa erosão. Pesquisas anteriores, em grande parte, dissecavam os retornos depois do fato. Em contraste, o novo artigo tenta antecipar as próprias operações. Segundo os autores, modelos de aprendizado de máquina são mais adequados do que modelos lineares tradicionais de fatores para capturar as formas complexas pelas quais gestores reagem a fluxos, sinais de mercado e uns aos outros.

Visto por esse ângulo, o resultado é menos uma vitória das máquinas sobre os mercados e mais uma redefinição do que a gestão ativa realmente é. Grande parte da atividade cotidiana dos fundos parece seguir padrões que podem ser mapeados — e, em princípio, reproduzidos a menor custo.

Algumas dessas compras e vendas previsíveis podem ter funções essenciais — gestão de liquidez, ajuste de risco ou rebalanceamento de portfólios, diz Cohen. Mas, se a maior parte dessa atividade for na prática baseada em regras, fica mais difícil argumentar que ela exige discricionariedade cara.

“O componente de ‘julgamento humano’ acaba sendo mais sistemático do que parece, mas é preciso ter ferramentas suficientemente flexíveis para enxergar isso”, disse Cohen.

O artigo também conclui que a previsibilidade varia. Fundos maiores, aqueles que cobram taxas mais altas, que são geridos por equipes mais numerosas e que enfrentam mais competição tendem a ser, em média, menos previsíveis, enquanto gestores com mandatos mais longos ou que administram múltiplos produtos tendem a ser mais previsíveis. O modelo prevê a direção das operações, não o seu tamanho — uma limitação que os autores planejam abordar em trabalhos futuros.

Apesar do entusiasmo recente em torno da IA, as conclusões reforçam uma distinção importante. Prever como gestores se comportam parece mais fácil do que prever como os mercados se movem. Os preços dos ativos refletem a interação de milhões de participantes e expectativas em constante mudança. Hábitos profissionais, por outro lado, frequentemente seguem padrões reconhecíveis.

No fim das contas, o conjunto mais restrito de operações que o modelo não conseguiu antecipar teve, em geral, desempenho melhor — um sinal de que elas podem refletir a criatividade humana, como descobrir informações sobre uma ação que outros não perceberam. Ser puramente aleatório dificilmente produziria o mesmo resultado.

Claro que as máquinas podem ficar ainda melhores à medida que acumulam mais dados. Por ora, porém, as implicações são mais econômicas do que existenciais. Se a maior parte dos ajustes de portfólio pode ser antecipada por um algoritmo, a justificativa para taxas de gestão ativa passa cada vez mais a depender da parte menor das decisões que foge do padrão.

“A parte genuinamente habilidosa, o componente imprevisível e não rotineiro, é real, mas pequeno”, disse Cohen. “A implicação de política não é tanto substituir completamente os gestores, e sim reprecificar o que a atividade previsível versus imprevisível deles realmente vale.”

ECONOMIA

Estudo de Harvard mostra que IA prevê 71% das operações de fundos ativos

Rede neural antecipou a maioria das decisões de compra, venda ou manutenção de ações

Mais notícias

Dólar cai e Bolsa alcança recorde em meio a nova tarifa de Trump

Banco Central do Brasil estima dívida externa em US$ 397,5 bi em janeiro

Petróleo recua com tensão diplomática entre EUA e Irã e sinais sobre tarifas de Trump

Petrobras recupera topo de ranking de empresa com maior valor de mercado da América Latina

Transações financeiras de Vorcaro incluem movimentação de R$ 2,7 bilhões, joias e carros de luxo

Meta firma contrato bilionário com AMD e se torna acionista majoritária de 160 milhões de ações

Economia de Salvador fechou 2025 em queda de 0,8%

Carnaval impulsiona faturamento de bares e restaurantes

Senadores cobram CVM por suposta omissão no caso do Banco Master

PL e União Brasil querem barrar fim da escala 6×1 na CCJ da Câmara

Últimas Notícias

Simm oferece 520 vagas de emprego e estágio em Salvador para esta quarta-feira (25)

Mutirão oferta 50 vagas por dia para cirurgias eletivas em Salvador; veja como participar

Cidade no extremo sul da Bahia entra em alerta vermelho para chuvas intensas

Doze suspeitos de envolvimento em ataque a tiros contra turistas são detidos na Bahia

André Mendonça garante estrutura da Polícia Federal para transporte de Vorcaro

Siga-nos