Na semana passada iniciamos uma série com um breve relato sobre a contribuição da Inteligência Artificial na Modelagem das Finanças Corporativas. Fizemos um sucinto resumo de algumas das principais contribuições das literaturas acadêmica e profissional de Finanças Corporativas, e ficamos de apontar como o modelo CAPM (Capital Asset Pricing Model) evoluiu para a APT (Arbitrage Pricing Theory), e esta está evoluindo para a Artificial Intelligence Pricing Theory (AIPT), e este para o Artificial Intelligence Pricing Model (AIPM).
O CAPM - Capital Asset Pricing Model (Modelo de Precificação de Ativos Financeiros), é utilizado em finanças para determinar a taxa de retorno teórica apropriada de um determinado ativo em relação a uma carteira de mercado perfeitamente diversificada. O modelo leva em consideração a sensibilidade do ativo ao risco não-diversificável (também conhecido como risco sistêmico ou risco de mercado), representado pela variável conhecida como índice beta ou coeficiente beta (β), assim como o retorno esperado do mercado e o retorno esperado de um ativo teoricamente livre de riscos (1).
Segundo o CAPM, o custo de capital corresponde à taxa de rentabilidade exigida pelos investidores como compensação pelo risco de mercado ao qual estão expostos. O CAPM considera que, num mercado competitivo, o prêmio de risco varia proporcionalmente ao risco não diversificável que é o beta (β). Na sua forma simples o modelo prevê que o prêmio de risco esperado, dado pelo retorno esperado acima da taxa isenta de risco, é proporcional ao risco não diversificável, chamado de β (Beta) (1).
A Arbitrage Theory of Capital Asset Pricing, também conhecida como Arbitrage Pricing Theory – APT (Teoria da Arbitragem da Precificação), é um modelo financeiro desenvolvido pelo economista Stephen Ross em 1976. É um modelo multifator para precificação de ativos que relaciona várias variáveis de risco macroeconômico para a precificação de ativos financeiros. A APT sugere que o desempenho futuro de um ativo pode ser modelado por sua sensitividade à múltiplas fontes de risco (2).
Ao contrário do CAPM, que se apoia em um único fator de suposição (ou seja, a correlação com o mercado), a APT considera múltiplos fatores que influenciam os preços dos ativos, tais como mudanças nas taxas de juros, inflação, e indicadores de mercado. Isto torna a APT mais complexa, mas potencialmente mais acurada em capturar as nuances da precificação de ativos, especialmente em mercados diversos ou quando analisando ativos com várias fontes de risco (2).
Como visto, a APT conjectura que um número de fatores comuns governa a variação conjunta de retornos. Esta premissa, combinada com argumentos de não-arbitragem, entrega a predição de que os retornos esperados dos ativos são determinados por exposições a um conjunto pequeno de fatores comuns. A maioria das investigações empíricas de trade-offs risco-retorno nos últimos cinquenta anos ocorreu nos limites da suposição da APT – de modelos de pequenos fatores lineares (3).
Mais recentemente está sendo considerada uma conjectura diferente: que modelos de precificação de ativos com um número exorbitante de fatores são mais capacitados para descrever o comportamento dos retornos dos ativos. Esta conjectura é baseada na florescente teoria da inteligência artificial, a qual sugere que modelos estatísticos complexos, aqueles com mais parâmetros (P) do que observações disponíveis para treinamento (T), tendem a atingir melhor sucesso da amostra do que modelos menores. Dadas suas origens, esta conjectura está sendo referida como Artificial Intelligence Pricing Theory (AIPT), para contrastar com a suposição parcimoniosa do coração da APT (vista acima) (3).
Nesta perspectiva, seus autores caracterizam teoricamente o comportamento de modelos de precificação de grandes fatores, a partir dos quais eles demonstram que a conjectura dos muitos fatores da AIPT explica fielmente os achados empíricos, enquanto a conjectura dos “poucos fatores” da APT é contradita pelos dados (3).
Na próxima newsletter apontaremos como a revolução emergente dos grandes modelos de linguagem (LLM) - tais como ChatGPT, Gemini, Llama, dentre outros) está contribuindo para o surgimento do Artificial Intelligence Pricing Model (AIPM).
Se sua empresa, organização ou instituição desejam saber mais sobre inteligência artificial na modelagem das finanças corporativas, não hesite em nos contatar!
- https://pt.wikipedia.org/wiki/Modelo_de_precifica%C3%A7%C3%A3o_de_ativos_financeiros
- LEO -Assistente inteligente do browser Brave.
- Didsheim, Antoine, Shikun (Barry) Ke, Bryan T. Kelly and Semyon Malamud (2024). “APT or “AIPT”? The Surprising Dominance of Large Factor Models”. Working Paper 33012. National Bureau of Economic Research – NBER. September.
