As máquinas, o Homem e Warren Buffett

Anthony Lawler é co-head do departamento de investimentos sistemáticos da GAM, o GAM Systematic, mas também gestor da estratégia de  alternative risk premia na casa de investimentos suíça. Faz parte de uma equipa de 35 cientistas que trabalham continuamente para descobrir novas abordagens de investimento e de trading sistemáticas, bem como assegurar que as que são postas em prática se mantêm eficazes e atualizadas. “Tudo na GAM Systematic é baseado em regras. Não existe uma camada de intervenção humana depois de posta em prática a estratégia. Claro que os programas são escritos pelos nossos cientistas, mas depois de as ideias serem convertidas em código, que podemos executar, a intervenção humana extingue-se. Na equipa utilizamos uma linguagem de programação comum que prima pela robustez e simplicidade na sua arquitetura. Passamos os nossos dias a realizar pesquisas científicas e testar se e como as ideias e abordagens funcionam. Quando encontramos uma estratégia que adiciona valor, esta pode ser adicionada aos portfólios que transacionam os ativos em questão. Recorremos a machine learning para construir os portfólios, que podem ser então combinados em estratégias que se adequam aos nossos clientes. Este departamento da GAM tem sob a sua alçada estratégias long-only de ações, multi-fatores e timing de fatores, market neutral, timing de mercado em crédito, multi-ativos, prémios de risco alternativos, entre outros. E o que todas têm em comum é, segundo o gestor e co-head do departamento, a abordagem científica. “Muitos testes, muito ceticismo, principalmente da nossa própria equipa, sobre o que poderá ou não funcionar. É semelhante ao que acontece nas universidades antes de um paper ser publicado. Este é submetido a ‘peer review’, dissecado pelos investigadores. Quando chegamos ao momento de implementar algo, o modelo passou já por um longo processo de tentativas de desprovar o seu valor”.