Matemáticos, engenheiros, físicos e cientistas de dados ganham cada vez mais peso na indústria financeira. Em boutiques especializadas e até em gigantes como BlackRock e Goldman Sachs, o investimento quantitativo consolida um novo paradigma em que o centro passa a estar no método, nos dados e, claro, também no capital humano que o torna possível.
Durante décadas, a gestão de investimentos foi dominada por perfis formados em finanças tradicionais, com forte ênfase na análise fundamental e na tomada de decisão discricionária. Hoje, esse modelo convive — e em muitos segmentos é superado — por equipes quantitativas que abordam os mercados como sistemas complexos, modeláveis e replicáveis.
“É substituir a intuição ou a apreciação subjetiva por uma análise muito mais rigorosa”, resume em poucas palavras Iván Scherman, CEO e CIO da SciTech Investments, um hedge fund baseado 100% em modelos sistemáticos. Em sua visão, os mercados atuais já não podem ser abordados de forma manual: “Operam-se milhares de sinais, milhões de dados, e isso exige capacidades técnicas muito mais científicas”, explica à Funds Society.
Um capital humano diferente
Tanto Scherman quanto Andrés Palacios, CEO e cofundador da Elemento Alpha — consultoria colombiana especializada em estruturação quantitativa de portfólios de investimento — concordam que a principal diferença entre um fundo quantitativo e um fundo tradicional está no perfil de seus recursos humanos.
“Um fundo quantitativo precisa de um capital humano nitidamente técnico e quantitativo em matemática”, indica Palacios. Na Elemento Alpha convivem economistas com forte base matemática, engenheiros financeiros, matemáticos e perfis com foco em estatística e programação. “Não adianta termos matemáticos teóricos muito bons se não conseguimos levá-los à prática”, esclarece.
Scherman vai ainda mais longe e se distancia explicitamente da formação financeira clássica. Na SciTech predominam perfis de engenharia, física, matemática e ciência de dados, com conhecimentos em otimização, estatística, machine learning e teoria de controle. “O edge dos fundos sistemáticos é a matemática aplicada”, afirma.
Modelar dados… e comportamentos humanos
Paradoxalmente, por trás de modelos altamente sofisticados existe um componente profundamente humano. “No fim das contas, o que estamos fazendo é encaixar comportamentos humanos dentro de fórmulas matemáticas”, observa Scherman. “Modelar medo, modelar ganância, comportamentos de manada”, enumera.
Essa complexidade explica por que a experiência prática de mercado continua sendo fundamental. Palacios é categórico: “Equipes sem conhecimento de mercado, sem experiência, não são equipes”. Em sua abordagem, a combinação entre perfis acadêmicos e profissionais com memória de crises, episódios de volatilidade e diferentes regimes de mercado é o que permite que os modelos sejam robustos.
Scherman concorda, embora introduza uma nuance: vir da gestão tradicional pode exigir um processo de “desaprendizagem”. “Eu não tenho que ver o café como café. Tenho que vê-lo como uma série de dados”, descreve, em alusão à necessidade de eliminar vieses narrativos.
Programar já não basta
Python e R aparecem como linguagens comuns em ambas as equipes, mas o consenso é que a programação, por si só, já não é suficiente. A inteligência artificial está redefinindo o papel do profissional quantitativo.
“Todos nós que trabalhamos com isso sabemos programar”, diz Scherman, mas alerta que, com a IA, “a programação fina começa a perder peso”. O novo diferencial está no critério, na capacidade de detectar erros, desenhar processos de controle e adaptar ferramentas de outras indústrias, como a farmacêutica ou a automotiva, ao trading sistemático.
Palacios, por sua vez, enxerga um futuro com “mais matemática, mais gestão de dados e integração com modelos de inteligência artificial”, e até com tecnologias como blockchain aplicadas à estruturação de portfólios.
Das boutiques aos gigantes
O avanço do talento quantitativo não é exclusivo das gestoras especializadas. A BlackRock, maior gestora de ativos do mundo, conta com uma unidade sistemática integrada por centenas de profissionais — muitos com PhD — que utilizam machine learning para processar milhares de sinais e gerir volumes massivos de capital. O Goldman Sachs, por meio de sua plataforma de Quantitative Investment Strategies, desenvolve há mais de três décadas estratégias baseadas em dados, combinando tecnologia, escala e supervisão humana.
A mensagem é clara: o que antes era um nicho hoje é infraestrutura central do mercado. Como resume Scherman, “80% ou 90% do volume dos mercados líquidos hoje vem de participantes sistemáticos”.
Mais do que uma moda, o investimento quantitativo reflete uma mudança profunda na forma de entender os mercados e o talento necessário para operar neles. “Ou isso quebra a sua cabeça porque você gosta, ou você odeia”, diz Scherman sobre o trabalho quantitativo. A demanda por esses perfis cresce, mas também a exigência: rigor técnico, experiência, capacidade de abstração e, cada vez mais, critério para conviver com a inteligência artificial.
