Perguntas:

• As alocações da AiLA baseadas em ML decorrem de oportunidades identificadas, dadas as condições de mercado vigentes.
• O percentual de capital alocado pode, portanto, variar de forma significativa e rápida ao longo do tempo.
• É possível forçar o índice a manter seu percentual de alocação dentro de uma faixa determinada?
• Qual é o impacto correspondente sobre o desempenho?

Abordagem:

• Ilustrar o impacto para um índice AiLA baseado em 102 ativos selecionados, com alocações long-only (LO), cuja alocação tende a variar mais ao longo do tempo.
• Implementar uma funcionalidade de faixa de alocação baseada no ajuste dos períodos de manutenção (holding periods) associados aos sinais ativos e no acompanhamento dos vencimentos dos contratos.
• Avaliar a magnitude do impacto desse critério de faixa de alocação sobre o desempenho.

• O percentual de alocação é afetado por diferentes restrições e metas no processo de construção do índice.
• No entanto, muitas vezes o número de alocações é o principal fator que determina quanto capital é alocado, o que, por sua vez, depende da capacidade do modelo de ML de identificar oportunidades.
• Isso resulta em períodos com poucas oportunidades de negociação e, portanto, baixa alocação, que mudam conforme as condições variam.
• Para a comparação, o percentual de alocação é forçado a permanecer dentro de uma faixa determinada (mín./máx.) por meio de:
  • Aplicação forçada de alocações fora do conjunto de vencimentos (tenors) considerado ótimo pelo sistema.
  • Ajuste dos períodos de manutenção, quando necessário.
  • Priorização em relação aos vencimentos entre os contratos com sinal.
• Não se espera que a metodologia seja ótima em nenhum sentido; ela pretende servir como uma avaliação de primeira ordem do impacto desse tipo de funcionalidade.

• O desempenho do índice foi investigado para diferentes faixas de percentual de alocação, ou seja, dentro de um valor mín./máx.
• Forçar o índice a manter um percentual mínimo de alocação reduziu o desempenho de forma perceptível; por exemplo, exigir um percentual de alocação em uma faixa próxima de 100% reduziu o desempenho em cerca de metade.
• Em base ajustada ao risco, o desempenho do índice AiLA parece:
  • Superior ao de um índice padrão como o GSCI/BCOM.
  • No entanto, a correlação com o GSCI/BCOM aumenta à medida que a faixa de alocação converge para 100%.
  • Tipicamente, a correlação aumenta de cerca de 60% (AiLA LO) para quase 80% (100/100).
• Sustentar uma alocação maior, afastando o sistema de suas recomendações específicas de negociação, reduz significativamente o desempenho, em razão da natureza oportunista dos sinais AiLA baseados em ML.

• Implementou-se, no arcabouço de índices AiLA, uma abordagem para manter o percentual de capital alocado dentro de uma faixa mín./máx.
• A funcionalidade foi usada para investigar o impacto esperado sobre o desempenho de um índice AiLA baseado em 102 ativos selecionados e em sinais long-only, cujo percentual de alocação tende a variar mais.
• A metodologia não é de forma alguma ótima, mas parece adequada para avaliar o impacto em nível geral.
• Os resultados de desempenho do índice AiLA foram significativamente reduzidos quando o sistema foi forçado a sustentar um percentual de alocação dentro de uma faixa que se estreita em direção a 100%.
• Em base ajustada ao risco, o desempenho do índice AiLA mostrou-se, em geral, superior ao dos índices GSCI/BCOM; no entanto, a correlação positiva aumentou de cerca de 60% para 80% à medida que a faixa de alocação se estreitou e convergiu para 100%.
• Os resultados sugerem que o desempenho associado aos sinais AiLA baseados em ML é significativamente reduzido quando o sistema é afastado de suas recomendações específicas de negociação para manter um percentual de alocação mais alto, o que é esperado devido à natureza oportunista dos sinais, cujos modelos subjacentes procuram identificar oportunidades de negociação dadas as condições de mercado vigentes.