Leonardo Pontes: Como a modelagem pode ser difícil quando lidamos com variáveis não controláveis

No texto de hoje, Leonardo Pontes discorre sobre as dificuldades de antever fenômenos e realizar projeções (Imagem: Shutterstock)

Olá, leitor.

Algumas semanas atrás, consultei-me com uma cartomante. Foi muito bem recomendada pela minha esposa e pelas amigas dela:

“A mulher acerta tudo”, garantiram-me.

Suficientemente convencido, agendei a conversa. Entretanto, estamos em pandemia e por isso a visita foi através da videocâmara do 💥️WhatsApp.

Fiquei até receoso, incerto sobre as propriedades eletromagnéticas das energias do além, que tornaria a leitura do tarô dependente da internet da Dona Nadir, mas fui assegurado que isso não importava. Teria, finalmente, minha chance de olhar pela fechadura da porta que leva ao futuro.

Chegada a hora, ela acendeu um incenso, embaralhou as cartas.

“O que você quer saber?”, perguntou.

A consulta girou ao redor de questões pessoais: relacionamentos, carreira, família e saúde. Ao final, fiz a pergunta que eu realmente queria fazer. Respirei fundo, encarei a tela do celular, e soltei:

“Quando termina a pandemia?”

Essa não é a pergunta de um milhão de dólares, mas sim de cinco trilhões de dólares, que é o tamanho do impacto econômico causado pelo Covid-19, de acordo com os bancos de Wall Street.

Por R$ 150 que a Dona Nadir cobra para jogar as cartas, a pergunta parecia uma barganha!

💥️Previsões

Nós adoramos previsões: é uma das condições que nos faz humanos. Afinal, se conseguimos descobrir o que acontecerá, podemos nos planejar, precaver-nos de infortúnios e tomar diferentes rumos.

Para tentar sanar nossa curiosidade sobre o futuro, inventamos algumas ferramentas, das mais antigas, quando consultávamos a vontade dos deuses através de um pajé, às mais recentes, baseadas em premissas mais científicas, que perguntamos a um expert.

Nos últimos meses, se você acompanha as notícias, já deve ter ouvido alguma previsão de um desses experts sobre a covid-19, variando do potencial número de fatalidades até quando e se retornaremos à nossa rotina anterior.

Na verdade, é muito difícil abrir os jornais e não encontrar qualquer previsão sobre algum assunto (outra característica humana é uma curiosidade mórbida – as pessoas irritantemente desaceleram o carro quando há um acidente – e somos avessos ao risco, o que significa que, se somarmos tudo isso, quanto mais catastrófico for o prognóstico, maiores as chances de ir para a capa de algum jornal). Todas essas previsões são baseadas em algum tipo de modelagem.

Só que nós somos muito bons somente em alguns tipos de previsão: pense na quantidade de variáveis que você considera ao estimar o tempo que demora para ir da sua casa para o trabalho, por exemplo.

Já para algumas outras estimativas, mesmo consultar experts parece ser de pouca valia. No ótimo livro ✅“More Than You Know: Finding Financial Wisdom in Unconventional Places”, do Michael Mauboussin, encontra-se a tabela abaixo, de um estudo realizado em 1999:

(Fonte: More Than You Know: Finding Financial Wisdom in Unconventional Places)

Como você pode imaginar, os fenômenos que realmente nos interessam, que fazem diferença na nossa vida caso acertemos o resultado, encaixam-se justamente na última categoria: são os modelos complexos, não lineares, caóticos, probabilísticos.

Logo, buscam refletir interações entre seus componentes, que influenciam ao mesmo tempo em que são influenciados. Aqui encontraremos os modelos de pandemia e os modelos financeiros e econômicos. Newton, Laplace e a loucura das pessoas

Os modelos são uma simplificação da realidade, mesmo os mais elaborados. Tudo começou com Sir Isaac Newton, ironicamente, durante uma pandemia: a Grande Praga de Londres atingiu a Inglaterra em 1665 e levou à óbito de 75.000 a 100.000 pessoas, um quinto da população da cidade na época.

Os alunos de Cambridge foram mandados de volta para suas casas para se resguardarem da peste bubônica, e Newton, estudando os fluxos da quarentena, desenvolveu os “fluxions”, que deram origem ao cálculo.

Sem TikTok na época, estava olhando pela janela quando conseguiu ver uma maçã cair de uma árvore e construiu toda a Teoria da Gravidade através da qual, juntamente com suas Três Leis do Movimento, pode-se extrair as equações para prever a trajetória dos planetas elaboradas anos antes entre 1609 e 1619 por Kepler, as altas das marés e as trajetórias de projéteis.

O problema é que depois de antever esses fenômenos, nossas expectativas ficaram altíssimas em relação ao que poderíamos alcançar usando a matemática, como lembra Duncan Watts em “Tudo é Óbvio Desde que Você Saiba a Resposta”.

“Nossas expectativas ficaram altíssimas em relação ao que poderíamos alcançar usando a matemática”, disse Leonardo Pontes (Imagem: Unsplash/@franckinjapan)

Em 1814, o polímata Pierre-Simon Laplace elaborou o experimento mental que ficou conhecido como O Demônio de Laplace:

“Nós podemos considerar o presente estado do universo como resultado do seu passado e a causa de seu futuro. Um intelecto (demônio) que em determinado momento conheça todas as forças que atuam na natureza, bem como as posições momentâneas de todas as coisas no universo, seria capaz de compreender, em uma única fórmula, os movimentos dos maiores corpos e os átomos mais leves do universo. Desde que o seu intelecto fosse suficientemente poderoso para sujeitar todos os dados à análise, para ele nada seria incerto, o futuro e o passado estariam presentes aos seus olhos. A perfeição que a mente humana foi capaz de dar à astronomia oferece apenas um tênue esboço dessa inteligência.”

A termodinâmica, a mecânica quântica e a Teoria do Caos desenvolvidas nos anos posteriores enfraqueceram bastante a conclusão de Laplace, mas não impediu de continuarmos tentando.

O próprio Newton, após perder uma fortuna tentando especular nas ações da The South Sea Company, declarou: “eu posso calcular o movimento dos corpos celestiais, mas não a loucura das pessoas”.

Se um dos maiores gênios que a humanidade já produziu falhou em construir modelos complexos, qual é a nossa esperança?

💥️O que os modelos podem fazer e o futuro

Para muitas aplicações, aqui incluindo o mercado financeiro, não precisamos prever o que acontecerá com 100% de certeza, até porque o futuro é realmente incerto e sempre conviveremos com o risco inerente, especialmente quando falamos de fenômenos complexos.

Entretanto, se conseguimos ter a distribuição de probabilidade, isso é mais que suficiente para se fazer uma fortuna.

Por exemplo, suponha que haja dois cavalos A e B e que o cavalo A vença 70% das corridas contra o cavalo B. Se um jogador apostar, digamos, 60% das vezes no cavalo A, ele ganhará mais dinheiro que outro que aposte apenas 50% das vezes neste cavalo.

Isso ocorre porque o primeiro apostador se aproximou mais da verdadeira distribuição de probabilidades, e assim está mais vezes exposto ao cavalo A do que seu oponente.

Mas observe que o apostador nunca deve colocar todo o seu dinheiro no cavalo A, afinal existem 30% de chances de ele perder.

Adicionalmente, os modelos complexos servem para nos ajudar a tomar melhores decisões. O site 3blue1brown, por exemplo construiu uma série de simulações de pandemia (confira neste link 💥️aqui) que tentam quantificar a efetividade das medidas que foram tomadas, tais como distanciamento social, lavar as mãos ou até fechamento de fronteiras.

Entretanto, vale sempre ter cuidado com referências circulares: o autor, por exemplo, parte da premissa que a covid-19 tem uma probabilidade de infectar alguém a partir de uma certa distância de um portador do vírus, e o modelo conclui que ficarmos distantes uns dos outros diminui a probabilidade de sermos infectados.

Portanto, lembre-se de que os modelos serão tão bons quanto suas premissas, seus dados utilizados e seu algoritmo de funcionamento.

Os últimos anos trouxeram enormes avanços nos dois últimos itens: basta observar o avanço do Big Data e das redes neurais artificiais, especialmente o Deep Learning.

Se você já viu o documentário AlphaGo (tem no YouTube), sobre o programa de computador criado para disputar um torneio contra um dos maiores campeões de Go, entende que o estudo que mostrei anteriormente, realizado em 1999, já está defasado: um computador joga Go muito melhor que todos nós.

E já que o tema são previsões, não duvido que continuaremos avançando: já começamos a treinar máquinas para jogar pôquer, por exemplo.

Raymond Kurzweil, inventor e futurista norte-americano, afirma que em 2030 um computador será tão inteligente quanto um ser humano e em 2045 poderemos comprar um computador mais inteligente que toda a humanidade por apenas mil dólares.

As implicações econômicas da Revolução Industrial 4.0 são vastas, com a automação de milhões de empregos.

Psicologicamente, os impactos podem ser ainda maiores, como mostrado no documentário AlphaGo: como nos sentiremos sabendo que não seremos a espécie mais inteligente ou criativa da Terra?

Em Wall Street, estima-se que 80% do volume diário do mercado financeiro seja feito por computadores com seus modelos quantitativos (Imagem: REUTERS/Brendan McDermid)

Se não pode vencê-los, junte-se a eles: em 💥️Wall Street, estima-se que 80% do volume diário do mercado financeiro seja feito por computadores com seus modelos quantitativos.

Além disso, como a maior parte dos algoritmos de trading está focada no curtíssimo prazo (de microssegundos a minutos ou dias), investidores com foco no longo prazo tem uma melhor chance contra eles. Será que 💥️Warren Buffett tem mais alguns bons anos pela frente?

Aparentemente, Dona Nadir compreende o valor do prazo mais alongado para as suas previsões se materializarem: “não passa de agosto”, respondeu.

Agradeci, mas depois de desligar, fiquei pensando que ela nunca disse de qual ano…

Para finalizar, indico que veja o novo projeto de Dara Chapman. Ela está com uma mentoria exclusiva para iniciantes que querem aprender a investir melhor. 💥️Basta clicar aqui para saber mais.

Um abraço,

Leonardo Pontes.

O que você está lendo é [Leonardo Pontes: Como a modelagem pode ser difícil quando lidamos com variáveis não controláveis].Se você quiser saber mais detalhes, leia outros artigos deste site.