• Uma preocupação comum em relação às estratégias que negociam futuros outright é, muitas vezes, a sua semelhança com estratégias CTA, como momentum, carry etc.
• Apesar do benefício de diversificação em relação a outras classes de investimento, os produtos CTA tendem a ter alta correlação entre si, por exemplo, muitas vezes acima de 50%.
• As estratégias de alocação AiLA são desenhadas com base em conceitos muito diferentes e, por isso, historicamente mostraram baixa correlação com o desempenho das estratégias CTA comuns.
• Neste estudo, adotamos a abordagem oposta, em que o objetivo é forçar a estratégia AiLA a se tornar positivamente correlacionada com uma estratégia CTA, usando dois métodos diferentes.
• O propósito do exercício é avaliar quão fácil ou difícil é forçar a estratégia AiLA a adquirir essa semelhança, o que, por sua vez, pode ajudar a formar uma ideia de quão provável seria essa semelhança ocorrer de forma não intencional.

• Identificar os modelos de alocação AiLA que historicamente indicam um viés (positivo ou negativo) em relação a um dado sinal CTA.
• Métrica de viés baseada na frequência diária dos sinais, comparada à frequência incondicional do sinal CTA em questão no período histórico, por exemplo, p(mo = 1) para momentum.
• Por simplicidade, os sinais AiLA e CTA são ambos discretizados, ou seja, assumem os valores -1, 0 ou 1.
• Os vieses observados nas posições compradas e vendidas indicam, com frequência, um viés consistente e, por isso, são combinados em uma métrica de viés total.
• Seguindo essa abordagem, pode-se atribuir a cada modelo de alocação AiLA uma métrica de viés histórico em relação a um dado sinal CTA para o mesmo mercado futuro, por exemplo, o viés do modelo em relação ao Momentum (MO) do WTI.
• O valor do viés pode ser interpretado como o "aumento médio, em %, da probabilidade do sinal CTA quando o sinal AiLA está presente".

Figura 1: Comparação dos sinais AiLA e de momentum ao longo do tempo

• Para uma dada commodity e um dado sinal CTA, os resultados indicam que certos modelos de alocação AiLA têm um viés que persiste ao longo do tempo.
• Por exemplo, o gráfico (superior direito) indica como os sinais de alocação de um certo tipo de modelo em diferentes commodities (mesma cor) às vezes tendem a ter um viés positivo ou negativo em relação a um dado sinal CTA, aqui o momentum (MO).
• Os valores históricos de viés foram usados em um teste fora da amostra, no qual os modelos com maior/menor viés foram selecionados a partir de uma estimativa dentro da amostra, para construir duas carteiras, de resto equivalentes.
• A correlação móvel fora da amostra entre as duas carteiras e a estratégia MO é mostrada no gráfico (inferior esquerdo). Observa-se uma leve tendência de correlação geral positiva (negativa) com a estratégia MO para a carteira de viés máximo (mínimo), mas com valores de correlação pequenos, tipicamente dentro de uma faixa de 25%.

Figura 2: Bias(mo) por commodity e modelo

Figura 3: Correlação móvel dos PnL entre as carteiras de viés máximo/mínimo e a estratégia MO

• O segundo método para aumentar a semelhança da carteira AiLA com uma dada estratégia CTA usa a mesma abordagem de restrição de correlação utilizada em estudos anteriores em relação a índices de commodities (long-only); ver, por exemplo, [AiLA22].
• O vetor de pesos dos ativos AiLA é obtido, neste caso, minimizando a distância angular em relação ao vetor-alvo AiLA original, ao mesmo tempo em que se satisfaz uma restrição angular (máxima) em relação ao vetor da estratégia CTA em questão.
• Ao contrário do estudo anterior, o vetor da estratégia CTA varia significativamente ao longo do tempo e tem pesos tanto comprados quanto vendidos.
• O gráfico (inferior direito) mostra o desempenho de uma carteira AiLA composta por 27 commodities diferentes.
• Os resultados mostram o impacto de um parâmetro de restrição de correlação (α) crescente, juntamente com a carteira de momentum (MO) baseada nos sinais e commodities correspondentes.

Figura 4: Diagrama vetorial da abordagem de restrição

Figura 5: PnL acumulado com 10% de risco anual para diferentes restrições de correlação

• Os resultados indicam que o método funciona como pretendido apenas para restrições de correlação baixas.
• Nessa faixa, a correlação (o desempenho) tende a aumentar (diminuir) à medida que o parâmetro de restrição (α) aumenta.
• No entanto, quando os valores da restrição excedem níveis moderados, por exemplo 0.4, o ajuste não consegue encontrar uma solução que também satisfaça a restrição, o que resulta em um colapso tanto da correlação quanto do desempenho.
• Isso contrasta com o estudo anterior, relativo a índices de commodities, em que o método (por razões que fogem ao escopo deste estudo) normalmente conseguia gerar também valores de correlação mais altos.
• Essa incapacidade de forçar a carteira AiLA a uma alta correlação com a estratégia CTA também sugere que os sinais de alocação das duas estratégias são fundamentalmente diferentes.

Tabela 1: Índice de Sharpe (SR) e correlação (ρ) com MO para diferentes valores de restrição

Figura 6: PnL acumulado com 10% de risco anual para diferentes restrições de correlação

• A capacidade de uma estratégia de futuros de diversificar em relação às estratégias CTA comuns é frequentemente de interesse central, e os modelos de alocação AiLA historicamente mostraram baixa correlação de desempenho com essas estratégias CTA.
• Neste breve estudo, adotamos a abordagem oposta e tentamos induzir uma correlação positiva entre uma carteira AiLA e uma dada estratégia CTA, usando dois métodos diferentes.
• O primeiro método procura obter isso selecionando modelos de alocação que mostraram um viés de CTA no passado, com resultados que indicam um impacto coerente com o previsto. O impacto, no entanto, é apenas pequeno, tipicamente abaixo de 25% e, portanto, significativamente inferior às correlações normalmente observadas entre diferentes produtos CTA.
• O segundo método procura induzir a correlação usando uma restrição de correlação aplicada a toda a carteira, com resultados que também indicam um impacto coerente com o previsto. O método só funciona como pretendido para restrições de correlação baixas e entra em colapso quando se exigem correlações de desempenho acima de 50%.
• O fato de nenhum dos dois métodos ter conseguido gerar uma alta correlação sugere que as alocações das estratégias AiLA e CTA são fundamentalmente diferentes e, pelo menos, não revela cenários em que a semelhança entre as estratégias seja facilmente obtida de forma não intencional.