"Já estamos no ponto de conseguir adivinhar para onde os mercados vão", refere José Dias Curto, professor no ISCTE, o que na sua opinião equivale à busca do Santo Graal. Em 1982 apareceram os primeiros modelos de previsão da volatilidade, que, nos últimos anos passou dos dados diários ao intra-day.

A previsão da volatilidade é feita por modelos preditivos ou, como há tempos passados, com base em dados históricos de preços em determinados intervalos de tempo. A partir de determinado momento foi possível inserir toda uma panóplia de dados nesta Big Data, que é cada vez mais estruturada, é coletada de forma cada vez mais inteligente. "Nós neste momento somos capazes não só de prever a volatilidade mas também coeficientes de volatilidade e sermos cada vez mais precisos nas datas em que vamos enfrentar essas volatilidades", salientou Marco Machado, senior lead software engineer da Euronext.

Mas, como advertiu José Dias Curto, "quando se fala de volatilidade não se sabe se os mercados sobem ou descem". Portanto, "pode-se prever volatilidade, mas não preço", concluiu. Adiantou ainda que a volatilidade tem-se estabilizado mas a níveis mais altos, mas admite que não seja provocada pelos algoritmos nem pela negociação de alta frequência.

Para José Dias Curto, os algoritmos tornam os mercados muito menos emotivos, ou seja, o que determina é a regra que está por trás para disparar uma venda ou uma compra. A máquina é de regras mais fixas, não há sentimentos. "A máquina faz e contribui para um mercado menos volátil", disse o professor associado do departamento de Métodos Quantitativos para Gestão e Economia do ISCTE-UIL.

Mudança no mercado

"Os mercados financeiros estão a mudar porque de repente surgem novos players como as fintechs, os hedge funds e os quant funds, que baseiam todas as suas decisões em algoritmos, e que têm uma grande necessidade de data, embora a data financeira nunca tenha sido um problema. Altera completamente a visão do que serão os mercados financeiros do futuro", acentuou Marco Machado.

O que está mudar é não só a capacidade de análise e usar os dados, como o facto de os próprios dados, devido à extrema necessidade do Big Data dos hedge funds e de outros semelhantes, se ter tornado num mercado. "Depois por cima deste big data temos principalmente o machine learning com o Supervised learning e o reinforcement learning, exemplifica Marco Machado.




A utilização de dados pessoais está sujeito ao regulamento europeu que entrou em vigor em Maio de 2018, mas como salientou José Frade, do ponto de vista legal, "é difícil de gerir até porque boa parte dos algoritmos de IA não são muito 'transparentes'. Uma empresa que tem um algoritmo não quer divulgar por questões comerciais como é que funciona o seu algoritmo". Além disso, o princípio base que está no RGPD é que vai ter de haver consentimento dos utilizadores. Em alguns casos os contratos de relacionamento com os clientes terão de ser específicos, mas é difícil porque a IA não consegue a priori dizer o que é vai fazer com o data e qual é o resultado final. Isso só depois de por o algoritmo a trabalhar", conclui José Frade, Digital Business Diretor da Cofina.

A Blockchain já está ter impacto nos mercados e na forma como as transações organizadas numa lógica mais peer-to-peer, como referiu Marco Machado. É "a possibilidade de transformar as transações. Torna-las mais simples, rápidas, baratas, acessíveis, e mais seguras, porque estão a ser 'auditadas' por mais pessoas". "O maior desafio para os mercados financeiros seja em Big Data, IA, data mining, Blockchain, vai ser a segurança pessoal, de data e das transações".