Comportamento histórico

• Correlação de PnL geralmente baixa entre a AiLA e as 3 estratégias CTA, por exemplo, 𝜌(diária) ≲±15%.
• A AiLA capturou o mercado altista (“tendências de alta”) de meados de 2020 a Mar-2022, quando as estratégias de momentum voltaram a ganhar popularidade (período sombreado em azul).
• A AiLA também capturou a queda abrupta (“tendências de baixa”) por volta de Mar-2020, que as estratégias CTA, mais lentas, não capturaram bem.
• A AiLA normalmente também teve bom desempenho em outros períodos (“tendências comuns fracas”).

Comportamento histórico

• As estratégias alfa da AiLA são estratégias oportunistas que usam um processo sistemático.
• A estratégia é impulsionada tanto por fatores micro quanto macro.
• Cada etapa do processo é totalmente automatizada, sem intervenção humana.

AiLA vs. fatores CTA

• 20 mercados líquidos de futuros de commodities, contratos de primeiro vencimento.
• 3 estratégias CTA implementadas com base em [Baz15].
• Modelos da AiLA agregados para cada commodity.
• Todas as estratégias aplicadas aos mesmos retornos de commodities.

[Baz15] J.Baz et al., Dissecting Investment Strategies in the Cross Section and Time Series (December 4, 2015). Disponível no SSRN: https://ssrn.com/abstract=2695101

A AiLA difere dos fatores CTA

• Baixa correlação de retornos entre a AiLA e as estratégias de momentum, carry e valor.
• A AiLA parece menos relacionada a qualquer uma das estratégias CTA do que as estratégias CTA entre si.
• Os retornos das estratégias AiLA são complementares aos de outras estratégias sistemáticas/quantitativas.

• Os produtos AiLA são definidos pelos pesos da estratégia, aqui chamados de pesos efetivos (AW).
• Os pesos dos produtos AiLA são enviados via FTP no fechamento de Nova York em T-1, para execução no fechamento do mercado em T.
• As informações de peso (AW) consistem em:
  • Nome do ativo (contrato futuro),
  • Peso em % do capital total alocado,
  • Posição comprada (long) ou vendida (short),
  • Rebalanceamento diário, a ser executado no fechamento seguinte.
• Os pesos são determinados no processo downstream, que se concentra em “quanto” alocar em cada ativo, tendo como insumo as decisões diárias de alocação.

Exemplo: informações de peso efetivo da AiLA-S030.

• Os insumos são fornecidos pelo processo upstream na forma de decisões diárias de alocação para ativos individuais.
• Em um determinado dia, os insumos fornecem a decisão de alocar comprado/vendido ou de não alocar, para cada ativo da carteira da estratégia AiLA.
• O processo downstream de construção da estratégia decide “quanto” alocar em cada ativo, calculando os pesos da estratégia em três etapas sequenciais, com base nos insumos de alocação.

Pesos sem restrições (UW)

• Os pesos ideais são determinados com base nos princípios de construção de carteira de média/variância; no entanto, em razão da natureza dinâmica das alocações, incluem-se apenas os aspectos que se mostraram empiricamente relevantes para as nossas circunstâncias, a fim de obter uma metodologia robusta e transparente.
• O objetivo dos pesos sem restrições é representar a estratégia ideal, com base nas preferências do usuário, antes da imposição de quaisquer restrições práticas. As etapas seguintes buscam então obter uma estratégia o mais próxima possível da estratégia sem restrições, respeitando as diversas restrições do usuário/de execução.
• Os pesos sem restrições são calculados para o conjunto de ativos que têm uma decisão ativa de alocação comprada/vendida em uma determinada data.
• Os pesos sem restrições são calculados considerando os seguintes aspectos, alguns dos quais são opcionais.
  • Volatilidade: pesos iguais em relação ao risco do ativo.
  • N efetivo: alocação variável em relação ao número efetivo estimado de ativos.
  • Correlação da estratégia: induzir uma preferência de correlação com a estratégia padrão BCOM ou GSCI.
  • Meta de risco: ajustar a escala dos pesos de acordo com a meta de risco da estratégia.

Pesos com restrições (CW)

• Os pesos com restrições tomam os pesos sem restrições (UW) como insumo e determinam o conjunto de pesos mais semelhante, dado um conjunto de restrições lineares.
• O cálculo considera apenas os ativos com pesos ativos (diferentes de zero) em cada data.
• Os pesos com restrições são calculados com as seguintes restrições.
  • Limite por ativo: limite superior para os pesos de cada ativo.
  • Limite por setor: limite superior para a soma dos pesos dentro de um setor.
  • Índice de Sharpe: limite inferior em relação aos índices de Sharpe históricos da estratégia.
  • Alocação da estratégia: restrição de igualdade para a soma de todos os pesos.
• No caso de uma preferência de alocação máxima, há uma opção para reduzir a escala dos pesos resultantes até o valor máximo nos dias úteis em que a soma dos pesos exceder esse valor.

Pesos efetivos (AW)

• Os pesos da estratégia são calculados usando como insumo os pesos com restrições (CW).
• Além disso, aplica-se um critério de período de balanceamento de operações, em que os pesos são zerados quando o número de dias úteis até o vencimento ou até o fim do ano é menor que 2 (7) ao se usar a lógica de execução Mid (Large) Cap.
• Os pesos CW com o critério de período de balanceamento de operações aplicado são chamados de pesos-alvo, que os pesos efetivos da estratégia procuram atingir.
• No entanto, os pesos efetivos da estratégia muitas vezes não conseguem igualar os pesos-alvo, em razão das restrições de rebalanceamento impostas pelos diferentes limites.
• As diferentes restrições de rebalanceamento, respeitadas pela lógica de execução ao produzir os pesos efetivos, incluem critérios definidos pelo usuário, bem como restrições de liquidez ditadas pelo volume/contratos em aberto dos ativos negociados.

Documentação do downstream

Mais detalhes sobre a metodologia downstream da estratégia podem ser encontrados em:

• [Metodologia AiLA] Metodologia de estratégias automatizadas, https://aila-x.com/methodology/alpha-strategy-calculations
• [Metodologia AiLA] Metodologia Net-Zero automatizada, https://aila-x.com/methodology/automated-net-zero-methodology

Exemplo: pesos efetivos de uma estratégia de cinco ativos.

Estratégia de cinco ativos:

• Soja julho, cobre junho, ouro junho, TTF Cal e WTI junho.
• Meta da carteira: peso igual de 20% por ativo, permitindo, porém, pesos por ativo de até 100%.

Pesos dinâmicos:

• 2022 03 23: oportunidades de alocação em ouro, cobre e soja, com pesos elevados acima de 20%, o que levou o sistema a alocar 94.1% do capital.
• 2022 05 16: TTF é o único ativo com oportunidade de alocação; o peso de 20% foi impedido pelas restrições de liquidez, o que levou o sistema a alocar 6% do capital.
• 2022 05 17: a alocação em TTF termina, o que leva o sistema a decidir sair do peso comprado de 6% em TTF.

Pesos com número variável de ativos:

• Períodos com número grande (pequeno) de ativos ativos tendem a resultar em pesos individuais menores (maiores).

• O principal objetivo do processo upstream é decidir “quando” alocar nos ativos individuais.
• As alocações visam capturar as oportunidades de investimento predominantes.
• As decisões oportunistas baseiam-se em modelos orientados por dados, dedicados a ativos individuais.
• As decisões de alocação são produzidas pelo processo upstream em quatro etapas sequenciais.

• As variáveis micro são escolhidas especificamente em relação ao ativo e obtidas integralmente dos provedores de dados Refinitiv e Bloomberg. Os dados de variáveis micro incluem, entre outros, dados de estrutura da curva, posições dos operadores (Commitments of Traders) e dados fundamentais.
  
  Um exemplo de dado de variável micro seria o spread H-J do RBOB, que captura o efeito da temperatura, da RVP, da capacidade de refino esperada, da demanda esperada após o inverno etc.

• As variáveis macro são usadas como variáveis comuns a todos os ativos. Os dados incluem, entre outros, índices de mercado, taxas de câmbio, indicadores econômicos e preços de commodities-chave. Os dados são obtidos integralmente dos provedores de dados Refinitiv e Bloomberg.
  Um exemplo de dado de variável macro seria a taxa de câmbio, que afeta as exportações de produtos de RBOB a partir de um local com grande capacidade de refino, tornando-as mais ou menos caras.
• Os dados das variáveis são coletados após o fechamento do mercado, como parte do processo EOD, e todos os dados vêm de fontes reprodutíveis, públicas e verificáveis.

Dados das variáveis (XF)

• Todos os dados das variáveis são processados pelo sistema de DQ e depois transformados em um formato que permite ao modelo acessar as informações relevantes com mais facilidade, por exemplo, incluindo, entre outros, normalização de dados, informações relativas/de spread, codificação one-hot etc.
• Os dados são divididos cronologicamente para os ciclos de treinamento do modelo, com três amostras correspondentes a períodos consecutivos (ver gráfico),
  • Treinamento: usada para treinar o modelo.
  • Validação: usada para validar o desempenho do modelo e ajustar os hiperparâmetros.
  • Holdout: dados fora da amostra para avaliar o desempenho final depois que todos os aspectos do modelo foram congelados.
• Em razão do risco extraordinário de overfitting, o conjunto de dados de holdout só pode ser usado uma vez, para a avaliação final do desempenho do modelo.
• As variáveis mais importantes que contribuem para uma decisão de alocação, associadas a um ativo em um determinado dia, de qualquer estratégia AiLA podem ser consultadas na interface do produto AiLA.

Escolha do modelo: y = f(XF)

• A escolha do modelo envolve a análise de diversos modelos na plataforma MLRD (Machine Learning Research and Development)
• Durante os ciclos de treinamento e validação dos modelos, os hiperparâmetros também são ajustados.
• As métricas coletadas na execução do modelo, com ênfase específica em acurácia e densidade de sinais, formam a base do julgamento qualitativo que determina a escolha final do modelo.

Decisão de alocação (A)

• Decisão de entrada
  • A saída do modelo (y) fornece, a cada dia, uma previsão quanto a atingir uma relação risco-retorno em um determinado período de manutenção.
  • Por exemplo, a probabilidade de uma posição comprada atingir um retorno de 10%, sem perder mais de 3%, nos próximos 15 dias.
  • Se a probabilidade for suficientemente alta para um cenário favorável de risco-retorno comprado ou vendido, uma alocação oportunista será aberta com os parâmetros-alvo correspondentes.
• Decisão de saída:
  • Uma alocação será mantida até que um de quatro critérios de saída seja atendido.
  • Expectativa de pouca oportunidade para continuar investido.
  • Atingir a meta de risco desde o início do investimento.
  • Atingir a meta de retorno desde o início do investimento.
  • Receber do modelo uma oportunidade em sentido oposto.
  • Dos critérios acima, apenas o critério de saída (4) depende dos dados das variáveis.

Exemplo: decisão de alocar comprado em Gold_CME_June.

2022-04-13: decisão de entrada

• Relação risco/retorno favorável prevista pelas variáveis micro/macro

(* CFTC CoT NCNC = CFTC Commitments of Traders, contratos líquidos não comerciais)

2022-04-21: decisão de saída

• Meta de risco atingida desde o início do investimento