A negociação impulsionada por IA ainda não atingiu um "momento iPhone", quando todos carregam no bolso um gestor de carteira algorítmico de aprendizagem por reforço, mas algo semelhante está a chegar, dizem os especialistas.

Na verdade, o poder da IA encontra o seu rival quando confrontado com a arena dinâmica e adversarial dos mercados de negociação. Ao contrário de um agente de IA informado por infinitos circuitos de carros autónomos a aprender a reconhecer sinais de trânsito com precisão, nenhuma quantidade de dados e modelação será capaz de prever o futuro.

Isto torna o refinamento dos modelos de negociação com IA um processo complexo e exigente. A medida de sucesso tem sido tipicamente a avaliação de lucros e perdas (PNL). Mas os avanços na forma de personalizar algoritmos estão a gerar agentes que aprendem continuamente a equilibrar risco e recompensa quando confrontados com uma multiplicidade de condições de mercado.

Permitir que métricas ajustadas ao risco, como o Índice de Sharpe, informem o processo de aprendizagem multiplica a sofisticação de um teste, disse Michael Sena, diretor de marketing da Recall Labs, uma empresa que já realizou cerca de 20 arenas de negociação com IA, onde uma comunidade submete agentes de negociação de IA, e esses agentes competem durante um período de quatro ou cinco dias.

"Quando se trata de analisar o mercado em busca de alfa, a próxima geração de construtores está a explorar a personalização e especialização de algoritmos, tendo em conta as preferências do utilizador", disse Sena numa entrevista. "Ser otimizado para um rácio específico e não apenas para o PNL bruto é mais parecido com a forma como as principais instituições financeiras trabalham nos mercados tradicionais. Portanto, olhando para coisas como, qual é o seu máximo drawdown, quanto foi o seu valor em risco para obter este PNL?"

Recuando um pouco, uma recente competição de negociação na bolsa descentralizada Hyperliquid, envolvendo vários modelos de linguagem grandes (LLMs), como GPT-5, DeepSeek e Gemini Pro, estabeleceu de certa forma a linha de base para onde a IA está no mundo da negociação. Todos estes LLMs receberam o mesmo prompt e executaram autonomamente, tomando decisões. Mas não eram assim tão bons, segundo Sena, mal superando o desempenho do mercado.

"Pegámos nos modelos de IA usados no concurso Hyperliquid e deixámos as pessoas submeterem os seus agentes de negociação que tinham construído para competir contra esses modelos. Queríamos ver se os agentes de negociação são melhores que os modelos fundamentais, com essa especialização adicional", disse Sena.

Os três primeiros lugares na competição da Recall foram ocupados por modelos personalizados. "Alguns modelos não eram rentáveis e tiveram um desempenho inferior, mas tornou-se óbvio que os agentes de negociação especializados que pegam nesses modelos e aplicam lógica adicional, inferência e fontes de dados e coisas por cima, estão a superar a IA base", disse ele.

A democratização da negociação baseada em IA levanta questões interessantes sobre se haverá algum alfa para cobrir se todos estiverem a usar o mesmo nível de tecnologia sofisticada de aprendizagem automática.

"Se todos estiverem a usar o mesmo agente e esse agente estiver a executar a mesma estratégia para todos, isso não colapsa em si mesmo?" disse Sena. "O alfa que está a detetar não desaparece porque está a tentar executá-lo em escala para todos os outros?"

É por isso que os melhor posicionados para beneficiar da vantagem que a negociação com IA eventualmente trará são aqueles com recursos para investir no desenvolvimento de ferramentas personalizadas, disse Sena. Como nas finanças tradicionais, as ferramentas de maior qualidade que geram mais alfa normalmente não são públicas, acrescentou.

"As pessoas querem manter estas ferramentas o mais privadas possível, porque querem proteger esse alfa", disse Sena. "Pagaram muito por isso. Viu-se isso com fundos de hedge a comprar conjuntos de dados. Pode ver-se isso com algoritmos proprietários desenvolvidos por family offices.

"Penso que o ponto ideal mágico será onde existe um produto que é um gestor de carteira, mas o utilizador ainda tem alguma palavra a dizer na sua estratégia. Podem dizer: 'É assim que gosto de negociar e aqui estão os meus parâmetros, vamos implementar algo semelhante, mas melhor.'"