Um carro estacionado à porta de um centro comercial e outras maneiras de gerar alfa com o Big Data

Como é que um carro situado no parque de estacionamento de um Walmart qualquer nos EUA pode representar um hit para a gestão de ativos? Nos últimos anos a Goldman Sachs AM dedicou inúmeros recursos de análise para desenvolver um potente modelo de processamento de grandes quantidades de dados – técnica conhecida como big data – para encontrar informação que represente uma vantagem competitiva na análise de empresas. Neste caso concreto, cruzaram dados sobre o volume de carros estacionados nos Walmart de todo o país, obtidos a partir de imagens por satélite, com dados sobre o tráfego da web da Amazon, para determinar qual das duas empresas pode representar uma oportunidade de investimento mais interessante no segmento das vendas de retalho.

A equipa está constantemente a aperfeiçoar o seu modelo – atualizam-no entre duas e quatros vezes ao ano -, que aplicam à gestão da sua gama CORE Equity. Um destes produtos, o GS Global Core Equity Portfolio, foi distinguido com o prémio Morningstar para Melhor Fundo Estrangeiro de Ações Globais. Trata-se de um fundo quantitativo de ações globais de todas as capitalizações que venceu a sua competição na categoria de ações globais durante os últimos cinco anos; também conta com a classificação de Consistente Funds People.

O fundo conta com uma carteira amplamente diversificada, composta por cerca de 300 valores que devem reunir uma série de características: um modelo de negócio sólido, sustentável e de alta qualidade, valorizações atrativas, sentimento positivo em torno da empresa e abertura a temas de investimento que sejam tendências nos mercados. “Pretendemos criar carteiras com características de estilo, risco e capitalização semelhantes às do índice, mas posicionadas de forma a gerar um rendimento superior através de uma seleção de valores bottom-up e uma seleção de países top down”, resume Osman Ali, responsável pela equipa de Estratégias Quantitativas da GSAM e gestor da gama CORE Equity.

Aprofundar o método quantitativo da Goldman Sachs AM

O especialista comenta que a equipa manteve a sua filosofia de investimento desde o lançamento do produto, mas teve a capacidade de ampliar as fontes de dados que utiliza para as suas análises, de tal modo que agora são capazes de processar grandes volumes de dados desorganizados e que não são fáceis de quantificar, procedentes de um amplo número de fontes, incluindo linguagem, imagens e, pela primeira vez, discursos. Estes dados costumam ser de acesso público, como por exemplo os resultados trimestrais publicados pelas empresas cotadas ou dados presentes no mercado, como cotações, retornos ou volumes.

“Com o crescimento e disponibilidade de fontes de dados não tradicionais como o tráfego de internet, registo de patentes e imagens por satélite, temos usado mais dados por vezes pouco convencionais para nos ajudar a ganhar uma vantagem informativa e tomar decisões de investimento mais informadas”, explica Osman.

O modelo foi atualizado recentemente mediante a introdução de novos alertas dentro da temática Rentabilidade, para poder identificar as empresas mais bem posicionadas para beneficiar do aumento do consumo. O primeiro alerta, aplicado nos EUA, procura prever a tendência de crescimento das vendas não só para o próximo trimestre, como para múltiplos trimestres mediante a análise das tendências subjacentes. O segundo alerta, também aplicado nos EUA, analisa a rentabilidade dos retalhistas mediante a avaliação do tráfego num local físico, o famoso carro estacionado à frente do supermercado. Finalmente, o terceiro alerta procura prever a rentabilidade das empresas de mercados desenvolvidos fora dos EUA mediante um mapeamento de dados sobre a despesa do consumidor norte-americano em vários segmentos de empresas não americanas expostas a esses segmentos de negócio, já que um dos achados da equipa é que o comportamento do consumidor tende a estar correlacionado nos países desenvolvidos.

Como resultado deste processo quantitativo de seleção, atualmente as maiores sobreponderações do fundo são nos setores imobiliário, de saúde, energia e consumo discricionário, enquanto que as maiores subponderações estão nas finanças, consumo básico e telecomunicações (dados de 28 de fevereiro). Por países, as maiores apostas encontram-se nos EUA e, de maneira mais moderada, no Japão, Espanha e Suécia, enquanto que as subponderações mais acentuadas são a França, a Suíça, o Reino Unido e a Alemanha.

O active share do fundo situou-se em torno dos 75% nos últimos anos, enquanto que o tracking error bruto foi de 2,18% nos últimos três anos e de 2,59% desde o lançamento. O especialista esclarece que o active share, regra geral, costuma ser menor para os fundos quantitativos do que para os de fundamentais, porque os primeiros tendem a assumir um grande número de pequenas apostas e, os segundos, um pequeno número de grandes apostas. “Acreditamos que a combinação de active share com a rotação da carteira permite uma compreensão mais ajustada ao risco ativo assumido pelo gestor”, indica o especialista. Nos últimos três anos, a rotação dos ativos em carteira foi de 145%, com uma duração média de valores em carteira entre seis a doze meses.

Caso prático

A queda dos mercados em fevereiro revelou ser um bom momento para testar o modelo quantitativo da equipa gestora, ao verificar-se uma escalada violenta da volatilidade. Ali indica que, durante os dias que a correção durou, “prestámos muita atenção aos nossos sinais de sentimento e momento, num esforço para determinar se o aumento da volatilidade estava motivado por uma alteração no posicionamento do investidor ou por uma correção técnica”. A conclusão a que chegaram foi que se tratava do segundo caso, e não de uma alteração da visão sobre os fundamentais.

Durante esta fase de correção, o especialista afirma que o fundo se comportou de uma forma aceitável em termos de risco e retorno: “Não esperamos que as nossas estratégias se comportem de forma diferente em período de volatilidade elevada comparativamente com períodos de baixa volatilidade. Acreditamos que, para acrescentar alfa com êxito - e para gerir eficazmente o risco em carteira – o optimizador deverá reconhecer os riscos associados a qualquer posição sobreponderada ou subponderada e ser capaz de responder rapidamente à alteração das condições do mercado”.

A equipa gestora da gama CORE Equity desenvolveu um modelo próprio de gestão de risco que é atualizado com dados diários, dando mais importância à informação mais recente. “Confiamos no nosso processo de seleção de valores, colocado à prova ao longo do tempo, para navegarmos através das diferentes condições do mercado, tal como nos proporcionou no ano passado”, refere Osman Ali.