INTRODUÇÃO
O que as pessoas geralmente procuram num investimento e o que deveriam procurar? Embora essa seja uma das questões mais importantes, é completamente negligenciada. A maioria sabe que a maioria perde, entretanto a maioria continua usando os mesmos critérios da maioria. Qual o mistério por trás desse aparente paradoxo? Nesse artigo analisaremos um caso que ficou famoso nos anos 1990 e que ilustra muito bem esse tipo de viés cognitivo, que afeta inclusive grandes e consagradas instituições financeiras, que por não estabelecerem critérios apropriados para escolher onde investir, frequentemente tomam decisões incorretas e sofrem graves prejuízos.
Há um folclore amplamente disseminado sobre um fundo que teria sido criado por alguns ganhadores do Nobel e teria falido em poucos anos. Essa história é parcialmente verídica, mas com alguns exageros, algumas distorções, alguns erros de interpretação e muita fantasia.
Esse fundo de fato existiu, foi o LTCM, inaugurado em 1994. Mas não foram vários ganhadores do Nobel que o fundaram e administraram. A equipe era constituída por 11 pessoas, sendo 7 Ph.Ds., 2 MBAs e 2 executivos sem titulação acadêmica. Era uma equipe competente, acima da média de outros fundos, mas, até a época da inauguração, nenhum deles havia ganho prêmio Nobel nem qualquer prêmio similar.
Entre os nomes mais importantes do grupo estavam:
· Robert Merton, Ph.D. em Economia pelo MIT e professor em Harvard;
· Myron Scholes, Ph.D. em Economia pela universidade de Chicago e professor emérito na universidade de Stanford;
· John Meriwether, MBA pela universidade de Chicago, ex-vice-presidente e chefe de operações no Salomon Brothers.
Entre março de 1994 e março de 1997, esse fundo auferiu mais de 240% de lucro. Muitas pessoas físicas e jurídicas se impressionaram com os resultados, embora não houvesse motivos para isso. Impressionaram-se basicamente com os números e com os títulos dos gestores, mas não se interessaram em compreender e avaliar o que realmente importava: a qualidade da estratégia. Esse é o ponto crucial que serve como base para a análise apresentada nesse artigo, porque se uma estratégia não é eficiente, não importa quais são os títulos dos gestores nem o volume aplicado no fundo, isso não a tornará lucrativa. Embora essa afirmação possa parecer óbvia, o que se observa na prática é que quando as pessoas tomam suas decisões sobre onde investir, deixam-se levar facilmente por critérios pouco racionais.
TÍTULOS ACADÊMICOS × COMPETÊNCIA REAL
Quando não se dispõe de nenhuma informação concreta para analisar a qualidade de um investimento, os títulos acadêmicos dos gestores podem servir como parâmetro para uma avaliação preliminar, mas jamais deveriam ser encarados como critérios conclusivos. Quando se soma os títulos acadêmicos com os resultados numéricos, há um reforço positivo, mas ainda está muito longe de proporcionar uma evidência suficientemente forte que justifique aplicar em tal negócio.
Em artes marciais, por exemplo, há casos de atletas que vencem com facilidade oponentes muito mais graduados, porque a graduação indica o nível de conhecimento que a pessoa recebeu e o tempo de experiência naquela modalidade, mas muitas vezes um lutador de rua pode ser muito mais forte, mais rápido, mais ágil, e são esses fatores que determinam o sucesso no combate, não a cor da faixa.
Um diploma, um certificado, um título acadêmico é basicamente como uma faixa, que Bruce Lee dizia que serve apenas para evitar que as calças caiam. Bruce nunca chegou a se graduar faixa preta em nenhuma das 26 modalidades de combate que praticou, nem chegou a obter oficialmente o título de mestre (sifu), mas vários especialistas o reconhecem como o melhor lutador do século XX e alguns o consideram o maior de todos os tempos.
A opinião de Bruce Lee sobre isso é apenas parcialmente correta, porque embora a cor da faixa não seja um indicativo totalmente seguro sobre a habilidade de um atleta marcial, ela indica que a pessoa dedicou um tempo considerável ao estudo e à prática daquela modalidade e adquiriu um bom tempo de experiência com isso. Do mesmo modo, o critério acadêmico também é útil, mas não é o único nem o principal, por isso as empresas que se baseiam exclusivamente nisso, ou atribuem um peso excessivo a esse critério, desperdiçam importantes oportunidades de identificar e contratar alguns dos profissionais mais bem qualificados.
Essa falha nos processos de seleção já foi percebida há um bom tempo e muitas das melhores e maiores empresas de tecnologia, inclusive Google, Apple e Microsoft, já deixaram de se basear apenas nos currículos e graduações acadêmicas. Há vários anos que essas empresas aprimoraram seus métodos e passaram a selecionar com base na real capacidade dos candidatos, criando e aplicando seus próprios testes para seleção e recrutamento.
Nesse caso, o problema não está na baixa capacitação dos gestores do fundo. Na verdade, eram muito competentes. Também não se pode dizer que tenha sido baixa competência dos representantes dos bancos e dos outros clientes desse fundo, embora tenham falhado na escolha. O que se pode dizer é que os gestores do fundo tinham um nível de competência alto, algo como 1 em 1.000, e os clientes algo como 1 em 20. Mas o nível necessário para desenvolver uma estratégia tão lucrativa e manter tais lucros a longo prazo seria algo como 1 em 1.000.000.000, e para escolher corretamente uma boa estratégia o nível seria cerca de 1 em 200. Portanto todos eram competentes, mas não o suficiente para a dificuldade e a complexidade dos problemas que precisavam ser resolvidos.
Isso leva a uma outra questão: por que instituições multibilionárias não contratam profissionais capacitados para cargos tão importantes?
AS MAIORES EMPRESAS NÃO REÚNEM OS MELHORES PROFISSIONAIS
A população em geral confia seu dinheiro aos bancos, acreditando que, por serem instituições muito ricas, deveriam contratar os profissionais mais qualificados para os cargos mais importantes, assim, teoricamente, os grandes bancos reuniriam os melhores gestores, e outros excelentes profissionais da área de investimentos. Mas a realidade está muito distante disso, porque para contratar os profissionais mais qualificados não basta ter muito dinheiro. É necessário também ter bons critérios para seleção.
O que se observa na prática é que quase todas as grandes empresas – e os bancos não são uma exceção – falham catastroficamente na seleção de seus colaboradores.
Grandes empresas são vítimas do nepotismo, de acordos sexuais, de corrupção e de outras degradações que podem formar um quadro de executivos e funcionários insuficientemente qualificados, que entregam serviços e produtos muito inferiores ao que poderiam se houvesse foco na competência.
Portanto, se em 2022 ainda enfrentamos problemas com empresas prestando serviços precários e oferecendo produtos de qualidade duvidosa, é natural que nos anos 1990 esse quadro fosse muito mais grave. Ainda hoje os bancos não conseguem identificar um bom investimento, nem são capazes de descartar um investimento que tenha sido favorecido pela sorte, por isso entraram alegremente no LTCM, e saíram às lágrimas, assim como fizeram em muitas outras ocasiões e continuam fazendo.
Os empresários e family officers, em sua maioria, são muito menos especializados na análise e seleção de bons investimentos do que os bancos, por isso, se até os bancos foram seduzidos por evidências tão frágeis como títulos acadêmicos, os outros investidores institucionais “seguiram a carruagem”. Ao todo, aportaram mais de 4,6 bilhões de dólares, apoiados em critérios nitidamente pseudocientíficos, sem tentar compreender como aqueles resultados haviam sido alcançados, se eram consequência de uma estratégia diferenciada ou mera sorte, e, principalmente, se havia motivos lógicos e matemáticos para esperar que tais resultados fossem mantidos.
ESCOLHENDO OS MELHORES INVESTIMENTOS
Para fazer uma aplicação multibilionária, seria esperado que questionassem alguns pontos sobre o embasamento científico da estratégia. Mas, nesse caso, isso nem sequer seria possível, porque não havia transparência sobre a estratégia utilizada, não havia como estimar os riscos envolvidos nem as perspectivas de que as performances se manteriam semelhantes. Não me refiro à transparência no sentido de revelar segredos sobre os processos decisórios da estratégia, porque isso obviamente eles não revelariam, e teriam razões justas para não relevar. O “coração” da estratégia é um segredo deles. O problema é outro: não havia qualquer estudo sistemático mostrando que a estratégia poderia de fato funcionar e sobreviver a longo prazo. A ausência de tais estudos deveria ser encarada como decisiva para rejeitar tal investimento, mas se os bancos adotassem esse critério, teriam que reconhecer que a grande maioria dos fundos que eles próprios distribuem entre seus clientes também não deveriam ser aprovados e comercializados.
Seria perfeitamente possível (e necessário) que os vários acadêmicos que compunham o quadro de gestores do LTCM tivessem publicado artigos, sem revelar os processos decisórios, mas apresentando resultados de backtests com aquela estratégia, bem como análises estatísticas mostrando porque haveria boas chances de que os resultados posteriores deveriam permanecer semelhantes aos anteriores e, principalmente, demonstrando que mesmo se o Mercado mudasse de comportamento, os resultados do fundo deveriam permanecer positivos durante e após as mudanças de cenário. Ou seja, se aquele mercado altista de 1994 a 1998 repentinamente se tornasse baixista ou lateral, eles precisavam demonstrar que com essas mudanças o fundo continuaria lucrativo.
SATURNO V × FUNDO LTCM
As diferenças entre o Saturno V e o fundo LTCM podem ser resumidas em dois itens principais: aspectos científicos e aspectos publicitários.
No que diz respeito aos aspectos científicos, o Saturno V vence por uma margem de aproximadamente 20 x 1, porque embora haja mais de 430 artigos sobre o Saturno V contra apenas 1 relacionado ao LTCM, este sobre o LTCM teve um nível realmente muito bom, melhor que a maioria dos artigos sobre o Saturno V. Por outro lado, os melhores artigos relacionados ao Saturno V são melhores que o artigo sobre o LTCM. Ao todo, pelo menos 5 artigos sobre o Saturno V são melhores e mais importantes e cerca de 10 apresentam nível semelhante ao artigo relacionado ao LTCM. Portanto, mesmo se for atribuído peso 0 aos mais de 400 outros artigos sobre o Saturno V, ainda assim a vantagem seria em torno de 15x1.
Por outro lado, em aspectos publicitários e em questões de network, o Saturno V perde feio. Com John Meriwether na equipe do LTCM, isso já garantia para o fundo um volume considerável de investimentos, e Meriwether não era o único com uma vasta rede de contatos. Todos os 11 integrantes da equipe eram pessoas muito bem relacionadas. Além disso, os vínculos que tinham com respeitadas universidades e com grandes bancos ampliavam o alcance da network para o fundo. Meriwether teve uma reunião com Buffett, por exemplo, para lhe apresentar esse fundo.
Como resultado de uma maior publicidade e “melhor” network, o LTCM conseguiu 1 bilhão de dólares em 1994, antes de começar a operar, equivalente hoje a US$ 2,02 bilhões corrigidos pela inflação nos EUA. Em contraste a isso, o Saturno V começou em 2006 com R$ 0,00, rodando apenas em backtests e contas demonstrativas, e após 4 anos de otimizações e aprimoramentos, começou a operar em contas reais com US$ 0,00001 bilhão (ou seja, US$ 10.000).
Mesmo dispondo de muito menos recursos financeiros e computacionais, o Saturno V já começou com otimizações de mais de 12 anos, que rapidamente foram ampliadas para 31 anos, depois 39 anos e 129 anos. Enquanto o LTCM utilizou apenas 5 anos em seu modelo, o que foi alvo de algumas críticas. O filósofo e historiador Niall Ferguson, embora não tivesse formação em Estatística, foi uma das raras pessoas a perceber e criticar esse problema enquanto o LTCM ainda estava lucrativo. Ele comentou que se a estratégia do fundo tivesse se baseado num histórico de pelo menos 10 anos, teria incluído a crise de 1987 e isso teria sido suficiente para constatar que aquela estratégia era ineficaz a longo prazo.
Em 1994 já existiam bases de dados com registros históricos desde o ano 1776 do S&P500 e desde o ano 1885 do índice Dow Jones, portanto o uso de uma base de dados com apenas 5 anos não foi uma limitação por indisponibilidade de recursos, mas sim uma escolha deliberada.
Todavia, por que teriam feito tal escolha? A resposta talvez tenha ligação com WFO, um método de otimização recomendado naquela mesma época por Robert Pardo.
WFO (Walk forward optimization) é um método recriminável sob diversos aspectos, conforme já comentei em vários artigos. A ideia fundamental é tentar “salvar” uma estratégia ineficiente fazendo várias otimizações sucessivas a intervalos regulares, tentando readaptar a estratégia a cada mudança de cenário, em vez de desenvolver uma estratégia realmente eficiente que possa ser otimizada num intervalo relativamente curto e depois aplicada em todo o histórico restante. De certo modo, WFO é um truque que faz estratégias ruins parecerem boas, ou pelo menos as faz parecer menos ruins do que realmente são. Em cenários francamente altistas, como aconteceu entre 1994 e junho de 1998, uma estratégia pode aparentar ser ainda melhor, até que o peso da realidade venha com toda a sua força e impiedade, como aconteceu em julho e agosto de 1998.
Isso não significa que WFO seja intrinsecamente ruim, mas é um recurso que deve ser usado com muita cautela. Também não há, que eu saiba, declarações explícitas dos gestores sobre terem utilizado WFO, embora alguns fatos indiquem essa possibilidade. Seja como for, o problema é que os investidores, inclusive os teoricamente mais instruídos e sofisticados, não procuraram conhecer e compreender o que fundo fazia. Para eles era suficiente que o fundo estivesse obtendo lucros, não importando se os lucros eram devidos à sorte ou à eficiência.
Tudo se resumia à fé cega nas autoridades das pessoas envolvidas, “confirmada”, aos olhos “ingênuos” dos banqueiros, pelo lucro de 240% em 3 anos. Havia apenas o artigo de Black e Scholes de 1973 sobre precificação de derivativos, e sabia-se que eles faziam operações estruturadas com títulos, inicialmente, e mais tarde adicionaram outros instrumentos financeiros.
Um dos pontos importantes é que não havia qualquer estudo empírico comparando a eficiência da fórmula de Black & Scholes com o Método de Monte Carlo, que pudesse indicar alguma vantagem competitiva que eles poderiam ter em comparação a outros investidores que utilizassem estratégias semelhantes. Sem contar que, como o artigo de 1973 estava acessível a todos os interessados, mesmo que houvesse alguma vantagem sobre o Método de Monte Carlo, o método deles também poderia ser igualmente aplicado por outros.
Não havia qualquer suporte experimental, além de o modelo teórico ser uma simplificação exagerada da realidade. Uma análise científica de 30 segundos já descartaria esse fundo com base na ausência de evidências razoáveis de que poderia manter bons resultados a longo prazo.
Durante o período no qual o J.A.L.J. visitou algumas dezenas de family officers para oferecer o Saturno V, visitas nas quais ele fazia uma excelente apresentação técnica, quase sempre os responsáveis pela seleção dos investimentos nem sequer se empenhavam para tentar compreender essas vantagens. Eles ouviam desgostosamente, ignoravam tudo que havia sido dito, e depois apresentavam uma lista de exigências burocráticas bizarras, sobre registros em determinadas entidades e outros detalhes absolutamente irrelevantes.
Isso se repetiu em mais de 90% dos casos. Um dos motivos disso é que os family officers não estão minimamente interessados (e muito menos empenhados) em escolher os melhores investimentos para seus clientes. Eles querem apenas indicar investimentos nos quais outros grandes investidores também já estejam aplicando – não importando se esses investimentos são bons ou não –, porque assim, se algo der errado, eles alegam que tais e tais bancos também estavam aplicando nesse investimento.
Assim se estabelece o status quo no qual alguns dos melhores investimentos permanecem quase desconhecidos, enquanto uma esmagadora maioria de investimentos que mal consegue empatar com o índice acaba recebendo trilhões de dólares de investidores mal assessorados. A BlackRock é um excelente exemplo de como isso funciona, com 9,57 trilhões de dólares sob gestão, mas entregam a seus clientes um retorno médio anual de apenas 5,66% nos últimos 10 anos. Em parte, esse resultado reflete as decisões dos próprios clientes, que preferem minimizar os riscos, ainda que isso implique renunciar a maiores lucros. O grande problema é que não minimizam de fato os riscos. Apenas criam a ilusão de menores riscos porque adiam as perdas mais vultosas, que só ocorrem nas grandes crises, a intervalos de aproximadamente 10 anos.
O correto seria, em primeiro lugar, ranquear as melhores alternativas de investimentos, para alocar os recursos nas melhores estratégias, que são aquelas que atendem aos 5 critérios analisados nesse artigo https://www.saturnov.org/news/buffett. Em seguida, continuar aplicando nas demais estratégias, em ordem decrescente de eficiência, até que todos os recursos estivessem devidamente alocados. Em certa medida, tentam fazer isso, mas os critérios que adotam não são, nem de longe, os mais apropriados.
Mas como e por que uma empresa gigantesca como a Black Rock não presta um serviço que se destaque pela excelência?
A resposta para isso já foi apresentada num dos capítulos anteriores, esclarecendo porque as maiores empresas não contratam os melhores funcionários nem prestam os melhores serviços. E outra pergunta importante é: por que os grandes investidores aplicam nessas alternativas? E a resposta pode ser resumida em basicamente duas palavras: “publicidade” e “network”.
Os maiores investidores não estão assessorados pelas pessoas mais qualificadas, mas sim pelas pessoas de suas redes de contatos com as quais tiveram maior afinidade, e muitas vezes a competência “excessiva” pode até mesmo dificultar que haja uma boa afinidade, porque a pessoa realmente competente não vai concordar com tudo nem bajular. A pessoa competente vai defender o que ela considera certo e isso muitas vezes entrará em conflito com as crenças e os interesses do dono do negócio. A pessoa competente vai apontar erros que precisam ser corrigidos, mas muitas vezes o dono do negócio não gostaria de enxergar nem de corrigir esses erros. Desse modo, a pessoa competente entra em conflito com o chefe, o gerente, o supervisor, os acionistas, o proprietário, e acaba sendo desligada da empresa. Não é diferente na BlackRock, no Deutsche Bank e em outras grandes corporações. Por isso é natural que entreguem a seus clientes menos de 6% ao ano, quando poderiam entregar mais de 20%, se se empenharem para selecionar os melhores profissionais.
No caso do Saturno V, sempre nos destacamos pela excelente qualidade técnica e científica, com numerosos artigos do mais alto nível; em contrapartida, nunca demos muita importância à publicidade, em grande parte porque não temos competência nessa área.
Esse paralelo com o Saturno V é quase inevitável, devido às diferenças e semelhanças, que estão resumidas na tabela a seguir:
Haveria outros itens a incluir nessa tabela, mas como todos eles seriam positivos para o Saturno V e negativos para o LTCM, decidi resumir. Quem tiver interesse, pode encontrar em nosso site artigos nos quais esses itens são analisados detalhadamente. Três desses itens, que estão entre os mais importantes, são:
1. Providências para evitar overfitting nas otimizações,
2. Comparações entre contas reais e backtests para assegurar que os backtests sejam fiéis representações do que teremos nas contas reais, e
3. Cálculo do risco máximo suportado, mas utilizando um nível de risco muito menor (1/3 a 1/5) que o limite máximo. Esse item será analisado mais detalhadamente mais adiante.
Há vários outros estudos que os gestores do LTCM também não fizeram, inclusive alguns realmente básicos, tais como a determinação dos pontos ótimos de stop, para conter as perdas antes que se prolonguem a níveis difíceis de reverter. São muitos os itens importantes, por isso não haveria como elencar todos eles sem que isso tornasse esse artigo ainda mais extenso, por essa razão optamos por deixar apenas a sugestão para que os interessados leiam os artigos correspondentes em https://www.saturnov.org/artigos.
LUTA ENTRE GIGANTES
Ao fazer a comparação do Saturno V com o LTCM, pode-se ficar com a impressão incorreta de que o LTCM foi um fundo ruim, mas não é bem assim. A verdade é que qualquer investimento parece ruim se comparado ao Saturno V. O LTCM teve uma equipe muito competente, mas não o suficiente para lidar com o problema excepcionalmente difícil de modelar o Mercado Financeiro. Schwarzenegger, por exemplo, tem 1,88 m de altura, isso representa 2,53 desvios padrão acima da média da população, portanto ele é alto, muito alto, mas se for colocado ao lado do jogador de basquete Wilt Chamberlain, Schwarzenegger parece baixo, assim como os integrantes da equipe do LTCM são mais competentes do que 99,5% dos gestores. Porém o fundo LTCM operou com um risco acima do que poderia para a estratégia utilizada, não sobrevivendo o suficiente para ser comparado a outros bons fundos. Mas, tomando por base suas performances durante seu tempo de atividade, e comparando com as projeções a longo prazo dos resultados de outros fundos, o que se pode constatar é que o LTCM chegou a 308% de lucro antes de quebrar, enquanto outros fundos raramente chegam, em algum momento de sua existência, a produzir 300% de lucro, pois sofrem grandes perdas antes disso e são encerrados.
Um estudo da FGV realizado em dezembro de 2017, com os 1000 “melhores” fundos do Brasil, ilustra bem essa situação, com a grande maioria dos fundos ficando negativa antes de chegar a 300% de lucro acumulado. Alguns fundos duram 10 anos, 20 anos ou mais, porém, ao longo de todo esse tempo, o lucro acumulado é menor do que 300%, revelando que também falharam no gerenciamento de risco, oferecendo uma rentabilidade excessivamente baixa, ganhando em tempo de vida, mas não em lucro efetivo.
No caso do Saturno V, os lucros já ultrapassaram 5.500% no melhor momento (2019). Se o Saturno V existisse desde 16/02/1890, se houvesse Internet, computadores etc., e se houvesse liquidez suficiente para acompanhar o crescimento dos volumes negociados, o Saturno V teria acumulado 67.433.504.624.366.295.567,28%. Naturalmente esbarraria em limitações de liquidez muito antes de chegar a um lucro tão astronômico, mas o ponto importante é que em qualquer momento que o Saturno V tivesse começado a operar, dispondo de pelo menos 5 anos anteriores de dados históricos para “aprender” a reconhecer os padrões necessários para aplicar nossa estratégia, ele permaneceria lucrativo “indefinidamente” (por pelo menos 137 anos, veja mais detalhes em nosso artigo sobre 129 anos do Saturno V no índice Dow Jones).
BACKTESTS REALMENTE FUNCIONAM?
Em uma palavra, a resposta é “depende”. Se forem realizados adequadamente, não apenas funcionam como são absolutamente necessários. Mas para que produzam resultados confiáveis, devem seguir todos os protocolos que descrevemos em nossos artigos.
A grande importância das otimizações e dos backtests é justamente selecionar quais estratégias são capazes de sobreviver por períodos tão longos, sendo otimizadas em frações relativamente curtas do histórico (nesse caso 1885 a 1890) e depois colocadas para operar no histórico inteiro, mantendo a mesma configuração. Isso equivale a testar como seria o desempenho no futuro.
Desse modo, é como se estivéssemos vivendo em 1890, usássemos os dados de 1885 a 1890 para testar a estratégia e determinar qual a configuração mais promissora. Mas isso não basta, porque os parâmetros são forçados a se ajustar para que ela funcione bem entre 1885 e 1890, sem qualquer garantia de que continuará funcionando de 1890 em diante, ou antes de 1885. Por isso é imprescindível que o teste também inclua um longo período de validão, no qual a mesma estratégia com a mesma configuração de 1885 a 1890 é executada num período posterior, para conferir se ela realmente funciona no futuro, ou se ela funcionava apenas no intervalo no qual foi otimizada, ou seja, se ela apresenta overfitting.
Se ela continua funcionando, o passo seguinte é repetir o procedimento com outros intervalos: otimizando entre 1904 e 1909 e verificando se funciona nos demais períodos. Otimizando entre 2001 e 2006 e verificando se continua funcionando nos demais períodos e assim por diante, otimizando em muitos períodos diferentes de 5 anos e depois verificando se ela continua funcionando no histórico inteiro de 137 anos. Em caso afirmativo, isso mostra que, até esse ponto da avaliação, a estratégia se mostrou realmente boa, pois pode ser otimizada em qualquer período de aproximadamente 5 anos e isso é suficiente para que ela funcione em qualquer outro período diferente, anterior ou posterior.
Obviamente isso não significa que ela acertará todas as operações, mas significa que em períodos diferentes daquele no qual ela foi otimizada, ela continuará acertando numa proporção semelhante. Essa é a importância de uma estratégia verdadeiramente ergódica, que distingue o Saturno V de outras alternativas de investimento.
É muito importante enfatizar que não há como fazer isso com a esmagadora maioria das estratégias. Elas podem ser otimizadas em períodos de 5 anos, 10 anos, 20 anos, 100 anos, mas quando são colocadas em períodos diferentes, não se conservam lucrativas. Por isso o Saturno V é um sistema absolutamente sui generis. Em 2006, antes de desenvolver o Saturno V, testamos mais de 500 estratégias divulgadas em livros, sites e disponibilizadas no site da MetaQuotes, e todas elas falharam. Em 2014, testamos mais de 10.000 estratégias e novamente todas falharam.
Esse treinamento num período de poucos anos, com validação em períodos muito mais extensos, é possível no caso do Saturno V por uma razão muito bem determinada: o Mercado possui propriedades que podem ser divididas em dois grupos: globais e locais. As propriedades locais estão presentes em certos períodos específicos, enquanto as globais estão presentes em todos os períodos. O que nos interessa são as propriedades globais, porque são elas que possibilitam que o treinamento realizado num período de poucos anos permita ao sistema “aprender” como operar em todos os outros períodos diferentes, posteriores e anteriores. Mas quando se faz uma otimização, o sistema não consegue distinguir quais são as propriedades locais e quais são as globais. Ele otimiza todas juntas, por isso tal identificação precisa ser feita “manualmente”, durante o processo de formulação da estratégia.
A identificação correta de quais são as propriedades globais e a criação de um modelo matemático que as represente com fidelidade e rigor é extremamente difícil, mas depois que são descobertas e modeladas, tem-se uma estratégia robusta, extremamente segura e lucrativa.
A estratégia utilizada pelo Saturno V opera com base em algumas das propriedades globais, sendo um dos pontos sistemas no mundo com essa característica, que o torna extremamente diferenciado.
Os movimentos dos preços apresentam sextilhões de propriedades quantitativas detectáveis, muitas das quais são facilmente reconhecidas por redes neurais e usadas na modelagem de alguma estratégia. Mas apenas uma pequena fração dessas propriedades – menos de 1 em cada 1 trilhão – é útil para modelar o mercado como um todo, enquanto a esmagadora maioria dessas propriedades só possibilita modelar localmente, em intervalos curtos, de poucos meses ou anos. Por isso é muito fácil desenvolver estratégias que gerem lucro num período específico de 6 meses, 1 ano ou 2 anos, mas é extremamente difícil desenvolver estratégias que possam ser otimizadas num período de poucos anos e continuem funcionando durante décadas ou séculos.
A facilidade de criar estratégias aparentemente lucrativas favoreceu o surgimento de grande número de robôs de investimento, que produzem grandes lucros nos períodos de otimização, mas ao serem colocados em períodos diferentes, afundam completamente. De pouco adianta uma altíssima rentabilidade ajustada ao risco, se não há evidências matemáticas de que esses resultados continuarão se repetindo no futuro. Esse é o principal diferencial do Saturno V.
Todos os grandes fundos deveriam fazer isso, mas são raríssimos os que fazem, por isso é compreensível, embora não perdoável, que o LTCM também não feito esses testes com o necessário rigor.
A POLÊMICA DO PRÊMIO NOBEL
Depois de toda essa análise, fica fácil prever o desfecho da história, mas ainda ocorreram algumas surpresas: em outubro de 1997, Merton e Scholes receberam o Nobel de Economia pela fórmula para precificação de derivativos. Provavelmente essa decisão do comitê de Estocolmo foi, em grande parte, impulsionada pelos resultados numéricos desse fundo e pela falta de critérios apropriados do comitê, que não discriminou quanto daquele resultado foi devido à sorte.
Considerando que o prêmio Nobel é concedido pela realização de trabalhos científicos, seria esperado que examinassem quais foram as verificações empíricas de que o método de Scholes poderia realmente funcionar. O modelo matemático de Black-Scholes pode ser considerado “correto”, desde que todas as premissas assumidas sejam boas representações da realidade. O problema é que não são. Ou melhor, depende do que se considera “boas representações da realidade”. O Método de Monte Carlo, por exemplo, permite fazer precificações mais realistas e acuradas, enquanto o método de Black-Scholes tem a vantagem de ser paramétrico, analítico e conceitualmente bem embasado. Não há dúvidas de que há méritos no trabalho de Scholes, mas também não há dúvidas sobre a inexistência de corroboração experimental que pudesse justificar a homologação do Nobel, assim como de qualquer outro prêmio científico.
Uma teoria científica só pode ser razoavelmente reconhecida como plausível depois de ser corroborada experimentalmente e depois de tentativas infrutíferas de falseá-la. Sem isso, na melhor das hipóteses são apenas “bons palpites”. A Teoria da Relatividade é um bom contraexemplo, pois enfrentou uma burocracia gigantesca, foi exaustivamente corroborada por numerosos experimentos, não apenas pelo eclipse de 1919, mas também por uma extensa lista de estudos independentes realizados nas décadas seguintes, em diferentes instituições de diversas partes do mundo. Mesmo assim Einstein nunca recebeu um Nobel por isso. Depois de muita pressão da comunidade científica sobre o comitê, decidiram conceder a Einstein um Nobel pelo Efeito Fotoelétrico, em 1921, mas Einstein nunca recebeu nada pela Teoria da Relatividade Especial nem pela Relatividade Geral. No caso de Scholes é quase o contrário, ele recebeu um Nobel sem nenhuma confirmação experimental. (Para mais detalhes sobre outros erros graves cometidos pelo comitê do Nobel, é recomendável ler minha entrevista para o In-Sight Journal)
Nessa conjuntura é muito provável que os membros do comitê do Nobel tenham interpretado que o LTCM estava utilizando alguma estratégia baseada na nova fórmula de Black-Scholes, de onde viria a “corroboração experimental”. Se foi esse o caso, os membros do comitê também agiram mal, porque deveriam, no mínimo, ter solicitado que os gestores publicassem algum artigo mostrando os resultados de backtests, nos quais a estratégia tivesse sido aplicada de forma sistemática, cobrindo um período suficientemente longo e numa ampla variedade de cenários mercadológicos, além de uma pequena lista de outros quesitos que precisariam ter sido cumpridos.
O famoso artigo de 1973, escrito em coautoria por Fischer Black (que faleceu em 1995) e Myron Scholes é esse:
https://www.cs.princeton.edu/courses/archive/fall09/cos323/papers/black_scholes73.pdf
Trata-se de um trabalho exclusivamente teórico, sem nenhum suporte empírico. A única evidência experimental teria sido o fundo LTCM, desde que os gestores tivessem declarado que a estratégia do fundo era baseada nessa fórmula e desde que fossem atendidas outras condições que já mencionei, mas nenhuma delas foi atendida.
Black e Scholes, no artigo de 1973, conseguiram resolver uma parte de um problema, mas acreditaram que haviam resolvido o problema inteiro. Uma boa fórmula para precificar derivativos não é suficiente para ganhar no Mercado de forma consistente. O problema de modelar o Mercado é muito maior. De certo modo, o erro deles foi semelhante ao cometido por Nick Trefethen, Diretor do Dep. de Análise Numérica de Universidade de Oxford, que em 2013 pensou ter corrigido a fórmula de IMC, quando na verdade corrigiu apenas metade do problema, enquanto eu já havia encontrado uma solução mais completa 11 anos antes, desde 2002, conforme publiquei na época e o texto está disponível no Internet Archive. Mais detalhes sobre isso em https://www.sigmasociety.net/imch
Ainda que a estratégia utilizada no LTCM não fosse lucrativa, se pelo menos tivessem realizado backtests apropriados, teriam percebido antes de colocá-la em prática, e teriam a oportunidade de aprimorá-la. Talvez nunca chegassem a desenvolver uma estratégia suficientemente boa, mas pelo menos teriam percebido isso e não teriam causado perdas bilionárias.
LEVADO PELA CORRENTEZA
Como se tudo isso não bastasse, havia também algumas razões ainda mais fáceis de perceber que deveriam ter motivado o questionamento sobre a eficiência da estratégia, porque o período de março de 1994 a julho de 1998 foi marcado por um crescimento “quase” linear do índice Dow Jones (DJI), sendo muito fácil ganhar durante esse período com qualquer estratégia aleatória passiva. O gráfico a seguir mostra como foi o comportamento do DJI:
Entre março de 1994 e julho de 1998 não houve qualquer queda importante. Nesses 4 anos e 4 meses, o DJI subiu 158%, enquanto o fundo LTCM subiu 308%, quase o dobro. Mas qual era a alavancagem utilizada? Se o fundo utilizasse alavancagem 2:1 (dois para um) e o DJI subisse 1%, seria esperado que o fundo subisse o dobro: 2% (*). Analogamente, se o DJI caísse 1%, o fundo cairia 2%. Portanto os movimentos no fundo estariam sendo duplicados para mais e para menos, e nesse caso se o DJI subiu 158% e o fundo subiu 308%, e o fundo estivesse adotando alavancagem 2:1, não haveria qualquer mérito nisso, porque compras aleatórias com alavancagem 2:1 produziriam resultado semelhante.
(*) Na verdade, essa relação não é exatamente simétrica. Uma perda de 1% precisa ser contrabalançada por um ganho de cerca de 1,01%. Uma perda de 20% precisa ser contrabalançada por um ganho de 25% etc. Além disso, o dobro de 1% não é exatamente 2%, e depende se estamos nos referindo a 1% de lucro ou de perda, porque novamente não são simétricos. Veja mais detalhes nos artigos que abordam temas nos quais esse assunto é discutido com mais detalhes em https://www.saturnov.org/artigos
Embora o LTCM não se baseasse em Buy & Hold nem em nada semelhante, mas sim em operações estruturadas com opções, swaps e tentativas de arbitragem, essas estratégias também são fortemente dependentes do cenário. Como os movimentos de alta costumam ser mais lentos, a volatilidade é menor do que nas quedas, consequentemente as apostas que eles faziam também dependiam de que o Mercado permanecesse em alta.
O que sabemos atualmente sobre a estratégia que adotavam é que não havia nada de especial. Simplesmente monitoravam ativos cointegrados e quando as cotações desses ativos se distanciavam, eles apostavam que voltariam a se reaproximar. Essa é uma das muitas estratégias ilusórias que muitas pessoas consideram de “baixo risco”, quando na verdade possui risco ilimitado. Embora seja mais fácil modelar esses afastamentos e reaproximações do que a direção dos preços, a ocorrência de outliers não pode ser negligenciada, por isso eles jamais poderiam operar dessa maneira sem o uso de stops. Mas foi exatamente o que fizeram, e ainda por cima tentavam “piramidar” as posições negativas, que é reconhecidamente um erro primário de gestão, exceto em casos muito específicos e bem calculados, mas não era esse o caso.
Ironicamente, alguns anos mais tarde, em 2003, Clive William John Granger, autor de trabalhos sobre o uso do coeficiente de cointegração para modelar o Mercado, também ganhou um Nobel de Economia. Em meu artigo “O mito da cointegração”, aponto alguns dos erros na abordagem de Granger e mostro como seria a maneira correta de se tentar utilizar esses conceitos, deixando claro que mesmo com o aprimoramento que proponho, não seria suficiente para salvar a ideia de Granger, não há como produzir soluções “milagrosas”, mas pelo menos seria melhor do que tem sido feito nas últimas décadas.
O grande problema está na crença “ingênua” de que se possa ganhar oceanos, mares ou rios de dinheiro operando no Mercado Financeiro com alguma ideia simplória e primária, como eles tentaram fazer. As tentativas de ganhar com travas de opções ou arbitragem de swaps são praticadas há muito tempo, algumas delas são usadas há mais de um século, sem produzir resultados consistentes. Por isso não havia razão para supor que seria diferente dessa vez, a menos que tivessem implementado inovações substanciais e testado empiricamente, em backtests, para verificar se realmente suas inovações possibilitavam obter ganhos consistentes a longo prazo.
A fórmula de Black & Scholes é um trabalho notável de Matemática, mas não trazia vantagem em comparação ao Método de Monte Carlo, que era e continua sendo a ferramenta mais apropriada para precificação de derivativos. Portanto, apesar de seus méritos com essa fórmula, eles não tinham nenhuma vantagem competitiva real, e os ganhos iniciais auferidos com o LTCM eram apenas resultantes da sorte de estar num Mercado ascendente e tranquilo, que favorecia o uso de quase qualquer estratégia que apostasse em certas propriedades locais. Mas bastaria uma pequena mudança de cenário, em especial na amplitude de afastamento entre instrumentos financeiros cointegrados, para que sua estratégia ruísse completamente.
Por isso, embora a estratégia deles não dependesse diretamente de o Mercado estar subindo ou caindo, ela dependia de algumas propriedades que são fortemente influenciadas pelo fato de o Mercado estar subindo ou caindo. Consequentemente, foram tão ou mais afetados do que se estivessem usando alguma estratégia de Buy & Hold. Na verdade, considerando que chegaram a operar alavancados mais de 25:1, mas ganharam apenas 2:1 em relação ao índice, pode-se dizer que fizeram pior do que o simples Buy & Hold.
PERGUNTAS NÃO FEITAS
A questão era: se o DJI tivesse caído entre 1994 e 1998, ou se tivesse oscilado para cima e para baixo nesse período, como teria sido o comportamento do LTCM? Em outras palavras: quanto esse fundo foi beneficiado pela sorte? Essa é uma pergunta básica que os investidores bilionários e seus assessores deveriam ter feito antes de aplicar cegamente.
Uma pergunta um pouco mais sofisticada seria: como foram os backtests, ao longo de várias décadas, utilizando a mesma estratégia do LTCM, passando por muitos cenários mercadológicos diferentes, de altas, baixas, laterais, congestões etc.?
Estas são perguntas imprescindíveis para que se possa fazer boas escolhas de investimento, mas praticamente nenhum fundo informa as respostas a nenhuma delas. Ironicamente, informam uma extensa lista de detalhes que não contribuem em nada para uma decisão racional.
UMA DURA RESPOSTA NÃO SOLICITADA
No caso do LTCM acabou não sendo necessário responder a essas perguntas, porque as respostas chegaram poucos meses depois, de forma dolorosa e impiedosa: entre 20/7/98 e 31/8/98, o DJI sofreu uma pequena queda de 19,52%. Em reação a essa queda, o fundo LTCM caiu 93,26%. Mas a maioria dos fundos atuais se encontra em situação pior do que a do LTCM, alguns nunca chegaram a ficar lucrativos, outros ficaram lucrativos, mas nunca chegaram a 300%, ou sequer a 100%, mas se arrastam por mais de 10 anos de sobrevivência com rentabilidade média anual abaixo de 10%, criando a ilusão de segurança e longevidade, quando na verdade estão apenas escondendo sua ineficiência por trás de uma volatilidade excessivamente baixa, embora o risco de ruína em função da amplitude de lucro seja até maior do que o risco do LTCM. Ironicamente, tais fundos usam rótulos nominais de “baixo risco” e continuam a atrair a maioria dos grandes investidores, e com isso a história se repete muitas e muitas vezes, sendo o LTCM apenas um entre muitos casos similares, que acabou se tornando mais famoso devido ao Nobel que foi dividido entre dois de seus gestores.
Aqui convém lembrar que o fundo Aleph One Isotropic, que utilizou o Saturno V entre abril de 2016 e maio de 2021, também encerrou suas atividades, mas numa situação completamente diferente. Em primeiro lugar, o fundo Aleph não quebrou. Apenas interrompeu as atividades porque os lucros gerados não estavam sendo suficientes para custear as despesas com a estrutura (cerca de US$ 175.000,00 anuais), devido ao baixo volume sob gestão agravado pelas performances ruins durante a pandemia, sendo que o sócio do fundo responsável por isso optou pelo encerramento.
O gráfico a seguir resume a tragédia que marcou o fim desse fundo:
Comparando os gráficos do fundo e do S&P 500 no mesmo período, podemos concluir que o fundo acabou se tornando famoso e atraindo muitos grandes investidores não pela eficiência da estratégia, mas pela network dos gestores, pelo volume aplicado e pela sorte de usar uma alavancagem exagerada durante um período de vigoroso crescimento do índice. Essa combinação de ingredientes levou a um grande alarde feito pela mídia, atraindo mais investidores e contribuindo para que Scholes recebesse o Nobel de Economia, que, por sua vez, atraiu ainda mais investidores, numa verdadeira “bola de neve”.
ANTES E DEPOIS
Enquanto o LTCM estava gerando lucros, todos exaltavam a genialidade dos gestores e os aplaudiam com admiração. Praticamente ninguém criticava nem apontava qualquer problema nesse fundo. Até o comitê de Estocolmo decidiu lhes dar um Nobel de presente.
Depois que o fundo quebrou, as mesmas pessoas que se levantavam para aplaudi-los agora se levantavam para apedrejá-los. Os antigos bajuladores se transformaram em detratores, sabichões tentando “ensinar” aos gestores como deveriam ter feito o trabalho deles e quais erros haviam cometido.
Banqueiros, economistas e matemáticos fizeram várias críticas, a grande maioria das quais sem muito fundamento, apenas opiniões exaltadas, geralmente superficiais e com mais erros nas críticas do que aqueles cometidos pelos gestores.
Se essas pessoas que os estavam criticando realmente soubessem o que estavam dizendo, elas teriam criado suas próprias estratégias e teriam feito melhor administrando seus próprios fundos, em vez de tentar ensiná-los como deveriam fazer. Ou, pelo menos, teriam apontado os erros que estavam cometendo enquanto o fundo ainda estava positivo.
Mas nem todos ficaram aplaudindo enquanto positivo e apedrejando quando negativo. Houve “meia dúzia” de pessoas que criticaram enquanto estava positivo, apontando alguns possíveis problemas. Por exemplo: o ganhador do Nobel de Economia de 1970, Paul Samuelson, comentou sobre o risco de grandes outliers. É uma crítica correta, porém inútil, porque todos os modelos matemáticos estão sujeitos a esse mesmo problema, já que os outliers sempre vão ocorrer, qualquer que seja a estratégia utilizada. Seria como dizer que é perigoso voar de avião porque alguns aviões caem. Todos sabemos que alguns aviões caem, mas a alternativa de viajar de trem, de carro ou de camelo não oferece custo/benefício comparativamente melhor, por isso mesmo as pessoas estando cientes de que aviões podem cair, elas encaram o risco como “aceitável”.
O problema real não é o risco de ocorrerem outliers, mas sim como lidar com eles quando ocorrerem, porque o tamanho das perdas que eles podem provocar é regulável. Portanto o problema não está em tentar evitar outliers, mas sim em quais dispositivos de segurança serão acionados quando ocorrerem outliers negativos. Por isso a crítica de Samuelson, embora correta, não contribui em nada.
Não obstante, houve pelo menos uma crítica útil e procedente feita a tempo de ajudar os gestores, caso eles a tivessem ouvido. Essa crítica veio de um historiador e filósofo: Niall Ferguson.
Ferguson era filho de um médico e uma professora de Física, graduou-se com distinção em Oxford e atualmente leciona em Harvard. Embora ele não seja da área de Exatas, foi um dos poucos que enxergou alguns dos problemas reais e solucionáveis, tocando num dos pontos centrais, que foi o uso de um histórico excessivamente curto para testar a estratégia. Ferguson foi bastante específico e enfático em sua crítica. Em síntese, sua opinião foi que se o modelo tivesse se baseado num histórico de 10 anos, em vez de 5, teria incluído a crise de 1987 e isso já teria feito grande diferença; se tivesse incluído um histórico de 80 anos, teria atravessado várias grandes crises e teria sido possível avaliar melhor como o modelo reagiria a um movimento adverso.
Ferguson estava certo nessa análise, mas esse não foi o único erro nem o maior. Foi um erro relevante e foi apontado a tempo de que os gestores pudessem tomar alguma providência, mas ele foi sumariamente ignorado.
BUFFETT SOBRE O LTCM
Além da crítica correta de Ferguson e da intuição Samuelson, houve mais duas personalidades importantes do Mercado Financeiro que viam aqueles resultados com maus olhos: Warren Buffett e Charlie Munger. Ambos foram convidados por Meriwether para participar entre os investidores iniciais do LTCM, mas ambos recusaram. Porém recusaram por motivos “errados”, alegando que achavam a alavancagem excessiva.
Na verdade, a alavancagem é irrelevante, ou até mesmo um aspecto positivo. George Soros, por exemplo, opera há décadas com grandes alavancagens, já fez operações multibilionárias alavancadas 900% (10:1), mas a exposição dele ao risco é similar à de Buffett, porque ele adota critérios de interrupção de perdas muito rigorosos. O uso de grandes alavancagens não aumenta o risco, desde que se faça uma gestão eficiente.
Se o critério de corte de perdas determinar que os prejuízos devem ser interrompidos quando chegarem a 2%, então tanto faz se a alavancagem é 0% ou 1000%, a interrupção será em 2% nos dois casos. A diferença é que se usar alavancagem de 1000% e o movimento for contrário, então o limite de 2% de perdas será alcançado mais rapidamente. Por outro lado, se o movimento for na direção “correta”, os lucros também crescerão mais rapidamente.
Desde que a estratégia seja eficiente, o uso de alavancagem apenas acelera os resultados positivos e negativos, e se os positivos forem predominantes, a alavancagem simplesmente aumentará os lucros líquidos mais rapidamente do que se operasse sem alavancagem. Na verdade, há mais algumas diferenças devido a assimetrias, taxas etc., mas de forma resumida e simplificada, é basicamente isso.
É possível que os motivos alegados por Buffett e Munger tenham sido diplomáticos, para que Meriwether não se sentisse ofendido com a recusa. Talvez o motivo real de eles não terem aceito o convite fosse mais complexo e estivesse relacionado à falta de transparência sobre os resultados dos testes com a estratégia, o histórico muito curto do backtests etc. Se eles fossem justificar por esse caminho, isso poderia prolongar uma discussão que eles talvez não quisessem ter. Por isso talvez simplesmente preferiram dizer que não tinham interesse devido à alta alavancagem, para simplificar a resposta, evitar réplicas e insistências.
MINHA INTERPRETAÇÃO
Depois de analisar algumas das críticas feitas por outras pessoas, apresentarei minha interpretação sobre o que aconteceu. Os gestores do LTCM erraram – erraram feio e em muitos pontos fundamentais. Mas não foram erros piores do que os cometidos pela grande maioria dos outros gestores daquela época e dos gestores atuais, nem foram piores do que os erros cometidos pelos “críticos de plantão”.
Os gestores do LTCM eram pessoas realmente muito competentes, mas não o suficiente para solucionar um problema tão difícil. Tentaram desenvolver uma estratégia que pudesse ganhar de forma consistente, mas não conseguiram.
Algumas pessoas talvez estejam confusas e se questionando: afinal, o fundo LTCM era ruim ou era melhor que a maioria?
A resposta é: ambos. São dois fatos não-contraditórios: o fundo era “ruim”, mas a maioria dos outros é pior. Vou esclarecer porque coloquei “ruim” entre aspas:
1. Os fundos, de modo geral, são ruins, a tal ponto que mais de 95% dos fundos oferecidos por bancos quebram em menos de 5 anos. Entre os 5% sobreviventes, menos de 1% chega a gerar lucro médio real de 4% ao ano. Em períodos mais longos, a porcentagem de sobreviventes é cada vez menor. Por isso, ficar acima da maioria não significa ser bom ou ser lucrativo.
2. A equipe de gestão do LTCM estava bastante acima da média, em termos de competência, talvez 2,5 desvios padrão acima da média, isto é, apenas 1 em cada 200 pessoas apresenta nível de competência similar, mas para conseguir resultados positivos a longo prazo é necessário ficar 5 ou até mesmo 6 desvios padrão acima da média, que corresponde a níveis de raridade de 1 em 3.000.000 ou 1 em 1.000.000.000.
Na época que faliram, receberam várias críticas e várias sugestões sobre o que poderia ter sido feito para evitar, mas a maioria dessas sugestões não resolvia quase nada. Algumas eram matematicamente sofisticadas, como, por exemplo, a ideia de usar a equação de Hamilton-Jacobi-Bellman para controlar as perdas, o que só faria sentido se os parâmetros da equação fossem conhecidos a priori e tivessem valores fixos, ou variassem de acordo com uma função previamente conhecida. Mas no mundo real não é tão simples assim. No caso do LTCM, houve erros básicos no gerenciamento de risco. Se tivessem simplesmente usado 1/3 de Optimal-F para determinar o limite ótimo de risco, teriam lucrado menos, mas não teriam quebrado. O problema principal, portanto, não é a falta de acurácia do critério Kelly para determinar o limite ótimo a ser aplicado em cada operação, nem o fato de eles não terem usado o critério Kelly ou equivalente. O problema mais importante é que quando se trata de calcular os limites de risco, não se pode chegar perto do limite “ótimo” teórico, ou sequer chegar perto da metade do limite ótimo. Por isso adotar um modelo de “sintonia fina”, como Hamilton-Jacobi-Bellman não teria ajudado em quase nada.
Os modelos matemáticos são muito bonitos na teoria, mas quando aplicados na prática, em situações nas quais a ocorrência de outliers é difícil de prognosticar e até mesmo de reconhecer, esses modelos terão um comportamento ingênuo, levando a operar nas bordas do limite de segurança, mas não seria prudente chegar sequer a meio caminho das bordas. Além disso, por melhor que seja o modelo, não se pode confiar que ele será suficiente para interromper todas as perdas nos pontos ótimos. É necessário também utilizar uma série de dispositivos complementares de segurança, que tenham prioridade para fechar operações mesmo que o modelo não sinalize fechamento. É o que mostram os experimentos com backtests, sendo esse um dos motivos pelos quais essas simulações, quando bem conduzidas, são extremamente importantes, para complementar detalhes que não estavam previstos pelo modelo.
Na essência, as críticas que fizeram na época, assim como as posteriores, geralmente tentavam dar soluções matemáticas a uma falha que, na verdade, estava na “interpretação do enunciado”. O problema matemático que Black e Scholes resolveram estava “correto”, dentro do sistema axiomático adotado, mas a escolha dos axiomas não era uma representação fenomenológica apropriada, porque muitos aspectos relevantes da situação real não eram contemplados pelo modelo. Por isso se o fundo LTCM tivesse incorporado as sugestões de melhoria que os críticos fizeram, teria apenas prolongando suas atividades, mas não necessariamente teria alcançado um pico de lucro maior, nem teria evitado a ruína. O que realmente teria sido uma solução genuína é a substituição daquela estratégia por outra que funcionasse corretamente.
Se o limite ótimo de risco calculado com Hamilton-Jacobi-Bellman indicava que cada aplicação deveria ter 65,26% da carteira, enquanto o critério Kelly indicava 66,7%, não é essa pequena diferença que mudaria o destino do fundo. Se esses modelos forneciam um limite de risco de 65% a 67%, então o correto seria aplicar entre 10% e 20% da carteira em cada operação. As ferramentas matemáticas ajudam a ter uma ideia aproximada de onde estão os limites, mas não significa que se deve chegar perto desses limites. O erro que cometeram não foi apenas matemático. Foi principalmente um erro conceitual de terem superestimado o modelo como boa representação da realidade e achado que se operassem dentro dos limites de risco estabelecidos pelo modelo estariam em segurança.
Um bom modelo matemático é extremamente útil para ter mais de 50% de acertos. Se um modelo acertar 60% das vezes, ganhando 5% cada vez que acertar e perdendo 5% cada vez que errar, no final se consegue obter lucro consistente a longo prazo, porque a esperança matemática é positiva. Porém se o modelo acertar 60% das vezes com operações de tamanho indeterminado e errar 40% das vezes com tamanho de perda indeterminado, mesmo que cada acerto seja, em média, maior que cada erro, isso representaria um risco ilimitado, porque não importa quantas vezes se ganhe 200% ou 300%, basta perder uma vez 100% para acabar tudo que foi acumulado em todos os outros ganhos somados.
O modelo pode indicar que a perda máxima teórica numa operação seria 40% ou menos, mas se o modelo falhar, pode ocorrer um desastre. Por isso é fundamental que haja dispositivos básicos de segurança que não dependam do modelo. Por exemplo: se as perdas em uma operação chegarem a 4,5%, não importa se o modelo determina que o movimento vai reverter e, portanto, deve-se aguardar. Em casos assim, o mais correto é ignorar o modelo e fechar a operação, para evitar que as perdas se prolonguem indefinidamente. Isso é uma regra básica que precisa ser respeitada. Não necessariamente em 4,5%, esse é apenas um exemplo hipotético, mas é importante que seja estabelecido um limite rigoroso de perda máxima aceitável por operação que determine o fechamento, mesmo que o fechamento contrarie o modelo.
A Matemática é muito importante e poderosa, mas precisa ser aplicada com bom-senso. O ponto central é que o modelo precisa ser estabelecido de maneira que os cortes de perdas sejam sempre limitados também por um critério extrínseco. Claro que o próprio modelo deve ter seus próprios critérios para cortar perdas, mas é imprescindível que haja também um “último recurso”, o plano Z, para que se nenhum dos critérios do modelo interromper as perdas, e o movimento negativo continuar crescendo, então deve entrar em ação um critério primitivo, mas efetivo, cujo nível de prioridade deve se sobrepor ao do modelo, e cortar as perdas. Além desse plano Z, o Saturno V também posiciona um critério de fechamento na própria corretora, por isso até mesmo se a conexão com a corretora for interrompida, a operação será fechada.
Esse foi um dos erros fatais dos gestores do LTCM. Seria indiferente se determinassem o limite de risco com base em Hamilton-Jacobi-Bellman, ou com base em Optimal-F, ou com base no critério Kelly. Se se baseassem no histórico de 1994-1997 das contas reais ou 1989-1994 dos backtests, ou mesmo em ambos combinados, para calcular os parâmetros do modelo, e operassem no limite do que um ou mais desses critérios indicavam como “seguro”, teriam quebrado igualmente. O que os teria salvo de quebrar seria justamente usar um critério de fechamento externo ao modelo e independente do modelo.
NO OLHO DO FURACÃO
Em 15/01/2015, quando o presidente do Banco Nacional de Suíça (BNS) Thomas Jordan anunciou que deixariam de interferir nas cotações, antes que se passasse 1 minuto desde sua declaração, houve um surto de volatilidade de mais de 20%, que continuou crescendo rapidamente nos minutos seguintes, chegando a níveis sem precedentes históricos, a uma velocidade impressionante. No dia seguinte, foi publicada uma lista com dezenas de corretoras e outras instituições financeiras que se tornaram insolventes em questão de minutos, e ao longo da semana essa lista foi ampliada. A FXCM, uma das maiores corretoras dos Estados Unidos, de acordo com algumas fontes teria perdido mais de 250%, outras falavam em 250 milhões. O evento foi matéria de destaque em todos os jornais do mundo. No New York Times, The Guardian, CNBC, Reuters, CBN etc. foram publicadas matérias resumidas e algumas delas contendo alguns erros, enquanto as revistas especializadas, como Wall Street Journal, publicaram várias matérias sobre o mesmo assunto ao longo dos dias e semanas seguintes ao evento, analisando as consequências e comentando vários detalhes. Nick Hayek, CEO da Swatch Group, comparou esse evento a um tsunami financeiro, com efeito devastador não apenas sobre o Mercado de Moedas, mas também sobre vários ramos da indústria e do turismo:
“Words fail me! Jordan is not only the name of the SNB president, but also of a river... and today’s SNB (*) action is a tsunami; for the export industry and for tourism, and finally for the entire country”. (* Banco Nacional da Suíça)
Os analistas pesquisaram para verificar desde quando não acontecia algo dessa magnitude, mas não encontraram. Foi o evento mais catastrófico da história do Forex.
Algumas notícias eram mais técnicas e detalhadas, outras pareciam ser especulativas. Algumas fontes afirmavam que houve corretoras que chegaram a perder mais de 800%, ou seja, ficaram devendo mais de 7 vezes o que possuíam.
Nesse cenário apocalíptico, o Saturno V perdeu apenas 4%. O amigo e cliente Leandro Nazzari comentou que foi como se estivéssemos protegidos no “olho do furacão”, com o mundo desabando em volta, enquanto o Saturno V encerrou rapidamente todas as posições, algumas com menos de 3,5% de prejuízo, e apenas uma delas chegou a 7% de prejuízo devido à demora da corretora para executar o fechamento. Foi uma pequena perda com sabor de vitória, comparando nossa situação ao caos que se instaurou no Mercado de moedas naquele dia.