Rir é o melhor remédio

quando a quarentena acabar

Estimação de matrizes de correlações via Machine Learning

Resumo:

Correlation matrices are ubiquitous in finance. Some key applications include portfolio construction, risk management, and factor/style analysis. Correlation matrices are usually estimated from historical empirical observations or derived from historically estimated factors. It is widely acknowledged that empirical correlation matrices: (a) have poor numerical properties that lead to unreliable estimators; and (b) have poor predictive power. Additionally, factor-based correlation matrices have their own caveats. In particular, estimated factors are typically non-hierarchical and do not allow for interactions at different levels. This contravenes the fact that financial instruments typically exhibit a nested cluster structure (e.g., MSCI’s GICS levels 1-4).

This paper introduces a machine learning (ML) algorithm to estimate forward-looking correlation matrices implied by economic theory. Given a particular theoretical representation of the hierarchical structure that governs a universe of securities, the method fits the correlation matrix that complies with that theoretical representation of the future. This particular use case demonstrates how, contrary to popular perception, ML solutions are not black-boxes, and can be applied effectively to develop and test economic theories.

Fonte: López de Prado, Marcos, Estimation of Theory-Implied Correlation Matrices (November 9, 2019). Available at SSRN: https://ssrn.com/abstract=3484152 or http://dx.doi.org/10.2139/ssrn.3484152

Assembleia digital

A figura acima, do Valor Econômico (Assembleia virtual reduz custos e atrai acionistas, Raquel Brandão e Juliana Shcincariol, 30 de abril de 2020, B1), mostra a adoção desta modalidade por parte das empresas brasileiras. Parte da justificativa é a redução de custos:

uma vez que não é preciso deslocar auditores e advogados para a sede da empresa e tampouco é necessária a locação de salas em casos de reuniões de maior quórum. 

(Além de reduzir o gasto com o cafezinho e o lanchinho). O texto cita o aumento na participação. Obviamente isto é controverso, já que o caso citado é de cinco acionistas de uma empresa, que solicitaram a senha de acesso.

Já tínhamos feito o levantamento anteriormente neste blog. Mas discutimos também que a assembleia virtual corre o risco de ser menos democrática. Temos que concordar que este novo formato pode mudar a forma das assembleias no futuro. Mas não é bom exagerar nas vantagens com base em um caso somente. Pesquisa. Dados.

Arte e ciência na regra contábil - parte 2

No Brasil também existe divergência no tratamento contábil por parte das instituições financeiras, conforme informou o jornal Valor Econômico (Bradesco e Santander têm uma visão divergente de provisões, Talita Moreira/Flávia Furlan e Álvaro Campos, 4 de maio de 2020, p C8). Enquanto o Bradesco aumentou as provisões em 2,7 bilhões de reais em razão de um possível aumento na inadimplência, o Santander não fez nada. O banco espanhol  decidiu manter como está, enquanto não tem uma maior clareza sobre o cenário.

A decisão fez o Bradesco reduzir o lucro e o retorno do patrimônio; já o Santander teve um aumento no resultado líquido.

Se a crise for dura como o Bradesco imagina,provavelmente o Santander terá de elevar suas provisões mais adiante. Se não for tão dramática assim, o banco da Cidade de Deus poderá desfazer suas reservas, mas o impacto no resultado deste trimestre está dado. 

Arte e ciência na regra contábil dos Bancos

A Reuters analisou a confusão que estabeleceu na contabilidade das instituições financeiras com a regra contábil IFRS9 e a crise do Covid-19. Basicamente, cada instituição está adotando uma regra. A IFRS 9, que deveria promover transparência e estabilidade nas instituições financeiras, parece que não está passando pelo teste.

Eis o texto integral:

Banks baffle investors as art meets science in accounting rule
Lawrence White, Sinead Cruise

LONDON (Reuters) - Like the myriad approaches governments are taking to tackle the coronavirus crisis, the way the world’s top banks are calculating their potential losses also differs widely, with puzzling outcomes for investors.

These discrepancies are rooted in the interpretation of new accounting rules called IFRS9, which have been designed to promote transparency and stability by making banks account for loan losses earlier.

But rather than solving problems seen during the 2008-9 financial crisis, when markets were blindsided by a sudden deterioration in bank balance sheet health, IFRS9 is confounding the same investors they are meant to help.

While the rules aim to provide a more realistic and timely picture of bank exposures, some have described their application as more art than science. Critics go further; complaining the system is complex, opaque and vulnerable to abuse.

“It makes a mockery of financial reporting if banks can report better numbers simply by assuming a more benign outlook -either intentionally or unintentionally,” Ed Firth, banking analyst at KBW, told Reuters.

A Reuters analysis of first quarter regulatory filings highlights the extent to which banks are basing their estimates of how bad loans will rise on differing economic forecasts.

For example, Barclays (BARC.L) used an 8% fall in UK GDP and 6.7% unemployment as its baseline scenario for 2020, while fellow British lender Lloyds Banking Group (LLOY.L) had a 5% contraction in GDP and 5.9% unemployment.

Barclays booked a larger-than-expected 2.12 billion pound ($2.63 billion) credit impairment charge, while Lloyds set aside 1.4 billion pounds. Diverging economic forecasts don’t explain all of that variation, but they make it harder for investors to understand the banks’ models.

Lloyds’ Chief Executive Antonio Horta-Osorio said last week that while his bank’s 2020 forecast was comparatively less gloomy, its prediction for 3% growth in 2021 was more realistic.

“We are assuming a prudent recovery in the second year of 3% only, so our combined impact on the two years is a negative 2% GDP,” Horta-Osorio said.

Barclays, which expects a 6.3% bounce back in 2021, said its forecast “reflects the most recent economic forecasts available in the market combined with internal assumptions”.

Filippo Alloatti, Senior Credit Analyst, International at Federated Hermes said he was undecided on whether IFRS9 was a help or a hindrance to bank investors.

“We knew IFRS9 was untested in a recessionary environment. It gets complicated when banks are using a ‘scenario cocktail’ and not disclosing the relative weighting of each scenario,” he said.

PORTFOLIO RISKS
With banks not obliged to provide full details of their models in the first quarter and little clarity over when and how lockdown measures will be eased, much hinges on how management opts to “overlay” economist forecasts with their own numbers.

This allows them to factor in the impact of measures not within normal GDP models, including the length of lockdowns, furlough schemes to protect incomes and loan guarantees.

“IFRS 9 requires management to come up with their best estimates, and if the models won’t capture that you can use other techniques but it is not an exact science,” said Karim Haji, Head of Financial Services UK at KPMG.

Deutsche Bank (DBKGn.DE), which provisioned 500 million euros for likely credit losses, based its calculation on a 6.9% fall in euro zone GDP, while Italy’s UniCredit (CRDI.MI) made a 900 million euro provision based on a 13% GDP decline.

James von Moltke, finance chief for Germany’s biggest bank, said last week he shared analysts’ concerns about comparability of provisions and had discussed the issue with regulators.

But the new accounting standards and changes in methodology did not undermine the ability to assess whether each bank had made appropriate provisions, he told analysts.

“You’ve got to start with how you compare each bank on the basis of the portfolio risks that they have,” von Moltke said, pointing to Deutsche Bank’s far smaller unsecured lending book.

“It’s entirely natural that you’d expect significant differences in the total provision level that we would take relative to some of our peers,” he added.

UniCredit said its loan loss provision reflected in-house macroeconomic assumptions on the impact of the coronavirus adjusted for mitigating actions by the government and ECB. It declined to comment further on the use of a management overlay.

PART ART, PART SCIENCE
U.S. banks, which reported earlier in April, generally presented a more bearish, conservative picture of the fallout of the coronavirus pandemic, analysts said.

Bank of America (BAC.N), JPMorgan Chase & Co (JPM.N), Citigroup Inc (C.N) and Wells Fargo & Co (WFC.N) set aside an aggregate $14.2 billion in loan loss provisions.

That is partly because U.S. banks use an accounting standard which requires them to book expected losses for a loan over its lifespan whereas IFRS9, which is used in Europe, recognises different ‘stages’ of troubled loans.

Europe’s biggest lender by assets, HSBC (HSBA.L), shocked markets with its $7 billion to $11 billion provision estimate for 2020, while Asia-focused rival Standard Chartered (STAN.L) provisioned $956 million for the quarter.

Finance chief Ewen Stevenson said HSBC’s provisions were “part art, part science”, as bankers faced the impossible task of predicting in models how bad the pandemic slowdown will be.

“I wouldn’t try and say, ‘Look, here’s a GDP forecast, a GDP recovery profile; and that gets you to X,’ I think that’s too simplistic,” Stevenson added.

Bankers said IFRS9 can exacerbate crises by having a ‘pro-cyclical’ effect in which recognising losses earlier paints a darker picture, leading to a worsening of economic sentiment.

Regulators have tried to provide clarity on how banks should report early signs of coronavirus distress among borrowers, amid fears that IFRS9 could hurt markets if mishandled.

But some say this has added to the confusion.

“Regulators and the European Commission have gone to big lengths in demanding the banks are not too trigger-happy,” Alloatti said.

“The last thing they want is banks stopping refinancing the economy and impairing the transmission mechanism.”

Additional reporting by Iain Withers and Huw Jones in London; Tom Sims in Frankfurt and Valentina Za in Milan, Editing by Alexander Smith

Rir é o melhor remédio

Expectativa e Realidade

Covid-19: 3 lições de Finanças

1ª Lição: Previsão é coisa do passado... Nowcasting é o futuro:

Tradicionalmente, as estratégias quantitativas se concentram na previsão de preços, com base em séries temporais de preços dinâmica  ou com base em dados de seção transversal (por exemplo, fatores de investimento). Previsão fazia sentido no passado, quando os conjuntos de dados eram limitados, cobrindo principalmente séries de preços, e as divulgações eram pouco frequentes, geralmente demonstrações contábeis trimestrais. Hoje, temos acesso a uma ampla variedade de fontes de dados em tempo real que nos permitem “prever em tempo real”(nowcast) o valor de informações financeiras relevantes.

A diferença crítica entre a previsão tradicional e “previsão em tempo real”(nowcast)  é que as previsões usam dados estruturados para faça previsões de longo alcance, enquanto as previsões instantâneas dependem de observações não estruturadas para fazer previsões de curta distância. Por exemplo, é possível prever a inflação com base em milhões de internautas preços on-line todos os dias, que são muito mais precisos do que as previsões econométricas. Da mesma forma, imagens de satélite de ocupação de estacionamento fornecem informações valiosas para varejistas.

A questão é que, dias antes do início do crash do COVID-19, havia muitos sinais de que o vírus estava atrapalhando cadeias de suprimentos críticas na China. Para alguns traders pode ter sido um  Cisne Negro , mas para quem usa nowcasting  foi um resultado previsível. Esqueçam bolas de cristal usem nowcasting.

2ª Desenvolva Teorias e deixe de lado regras de negociação:

No mundo cientifíco os testes desempenham um papel crucial para refutar hipóteses. No entanto, em finanças, os pesquisadores usam backtest para o objetivo oposto: encontrar uma estratégia de investimento. Veja o seguinte exemplo:

1. Um pesquisador faz um backtest de milhares de regras de negociação (por exemplo, o zoológico de fatores)

2.  A regra de melhor desempenho é proposta como uma hipótese (por exemplo, comprar ações com baixo Preço/Lucro ).

3.  O pesquisador publica sua hipótese e apresenta como evidência o mesmo backtest que
usou para encontrar a hipótese.

É comum que acadêmicos e profissionais realizem dezenas de milhares de backtests para
identificar uma estratégia de investimento promissora. O backtest com melhor desempenho é então relatado como sendo único e selecionado para publicação ou para o lançamento de um novo fundo. Como consequência deste viés de seleção, a maioria das descobertas publicadas em finanças é falsa, mesmo que não possamos saber exatamente qual delas. Esse fato explica facilmente por que muitos fundos não tiveram o desempenho esperado, incluindo, entre outros, muitos fundos quantitativos durante a crise do Covid-19.

É trivial produzir um  backtest com uma alta taxa de Sharpe, testando milhares de especificações de modelos alternativos. Praticamente nenhum trabalho acadêmico relata o número de ensaios envolvidos em uma descoberta.

Antes de fazer o backtest é necessário uma teoria que exponha com precisão o mecanismo de causa e efeito, como na Teoria de Microestrutura de Mercado. O Backtest é útil apenas para avaliar o valor econômico de uma regra de negociação, assumindo que a teoria subjacente está correta, mas ele não  pode provar uma teoria.

3º Evite estratégias para todas condições de mercado:

Acadêmicos e profissionais geralmente buscam estratégias de investimento com bom desempenho
em  regimes de mercado diferentes. Essa pesquisa implica a suposição de que
existem tais estratégias. Mas por que seria esse o caso? Por que essa fonte de alfa existiria
continuamente, independentemente do mercado e das condições econômicas?

Dado que os mercados são adaptáveis ​​e os investidores aprendem com os erros, a probabilidade de que exista uma estratégia para todos os regimes é bastante escassa ( apesar de ser um argumento frequentemente usado por gerentes de portfólio). E mesmo que existissem algoritmos para todas as condições de mercado, é provável que seja um subconjunto insignificante da população de algoritmos que funciona em um ou mais regimes.

Os gestores de ativos devem focar suas esforços na busca de investimentos estratégias que tenham um desempenho ótimo sob regimes de mercado específicos. Cada regime é caracterizado por um particular processo de geração de dados (PGD). É possível prever em tempo real ("nowcast") a probabilidade de que as atuais observações estão sendo extraídas  de cada PGD , e usar essas probabilidades para criar um conjunto carteira de estratégias ótimas. Como essas probabilidades mudam de um PGD para o outro ao longo tempo, o portfólio é ajustado dinamicamente e se adapta as condições de mercado prevalentes.

Fonte: López de Prado, Marcos and Lipton, Alex, Three Quant Lessons from COVID-19 (Presentation Slides) (March 27, 2020). Available at SSRN: https://ssrn.com/abstract=3562025 or http://dx.doi.org/10.2139/ssrn.3562025