Resumo Técnico: FinMamba

Definição do Problema

A previsão de movimentos de ações é uma tarefa crítica, porém desafiadora, no trading quantitativo devido à alta volatilidade dos dados financeiros, baixas relações sinal-ruído e a natureza complexa e multifacetada das influências de mercado. As abordagens atuais de deep learning enfrentam duas limitações primordiais:

1. Relacionamentos Inter-Ações Estáticos ou Enviesados: Os modelos atuais frequentemente dependem de conhecimento prévio estático (ex: setores industriais) ou correlações posteriores puramente baseadas em dados (ex: coeficientes de Pearson) sem considerar adequadamente as condições dinâmicas do mercado. Especificamente, eles falham em capturar como as correlações entre ações se intensificam durante quedas de mercado (risco sistêmico) e enfraquecem durante altas, um fenômeno impulsionado por fatores macroeconômicos.
2. Ineficiência e Reconhecimento de Padrões: Modelos de sequência tradicionais, como os Transformers, lutam com dados históricos longos devido à complexidade computacional quadrática e frequentemente enfatizam demais outliers em vez de padrões recorrentes. Por outro outro lado, carecem da capacidade de modelar eficientemente dependências através de múltiplas escalas temporais (desde flutuações de nível micro de minutos até tendências econômicas de nível macro) mantendo a baixa latência exigida para o trading em tempo real.

Metodologia

Os autores propõem o FinMamba, um framework que integra um Grafo Consciente do Mercado (MAG - Market-Aware Graph) e uma arquitetura Mamba de Múltiplos Níveis (MLM - Multi-Level Mamba) para abordar essas limitações.

1. Grafo Consciente do Mercado (MAG)

O módulo MAG modela dinamicamente os relacionamentos entre ações fundindo conhecimento prévio estático com correlações posteriores dinâmicas, refinadas pelo feedback do índice de mercado.

• Geração de Grafo de Correlação de Ações Dinâmico: O modelo constrói uma matriz de adjacência $A_t$ combinando:
  • Correlações Posteriores ($Q$): Calculadas diariamente usando o coeficiente de Spearman sobre uma janela de observação $L$ para capturar similaridades de sequência de curto prazo.
  • Relacionamentos Prévios ($D$): Uma "Matriz de Decaimento Industrial" que codifica relacionamentos estruturais de longo prazo baseados em classificações de indústrias primárias e secundárias, atribuindo pesos maiores a ações dentro da mesma indústria.
  • A matriz de adjacência final é calculada como $A_t = Q_t \cdot D$.
• Esparsificação de Grafo Consciente do Mercado: Para se adaptar à volatilidade do mercado, o modelo emprega um mecanismo de poda (pruning). Ele calcula um nível de esparsidade $\kappa_t$ baseado no índice de mercado $M_t$ (representado pela média do conjunto de ações alvo). Usando um bloco Inception e uma função Sigmoid, o modelo determina quantos arestas manter.
  • Mecanismo: Quando o índice de mercado está baixo (alta volatilidade/crise), o modelo retém mais arestas (maior correlação). Quando o índice está alto, o modelo poda mais arestas, refletindo a divergência do desempenho das ações.
• Agregação de Atenção de Grafo: Um mecanismo de atenção multi-cabeça agrega mensagens de nós vizinhos no grafo podado para gerar embeddings de ações refinados.

2. Mamba de Múltiplos Níveis (MLM)

O módulo MLM processa os embeddings das ações para capturar dependências temporais através de diferentes granularidades.

• Projeção de Múltiplos Níveis: A entrada é projetada em $k$ níveis distintos via mapeamentos lineares. Isso permite que o modelo extraia simultaneamente detalhes locais de grão fino (nível micro) e padrões globais mais amplos (nível macro).
• Mecanismo de Espaço de Estados Seletivo: Cada nível é processado por um bloco Mamba. Diferente dos Transformers, o Mamba utiliza um mecanismo seletivo que permite ao modelo recordar padrões históricos específicos relevantes para a entrada atual enquanto descarta informações irrelevantes. Isso permite que o modelo lide com sequências longas com complexidade de tempo e consumo de memória lineares.
• Saída: As saídas de todos os níveis são reprojetadas, concatenadas e passadas por uma camada linear para prever as pontuações de ranking para o próximo dia de negociação.

3. Otimização

O modelo é treinado de ponta a ponta usando uma função de perda combinada:

• Perda de Ranking e Predição ($L_{RP}$): Uma combinação de Erro Quadrático Médio (MSE) para regressão ponto a ponto e uma perda de ranking par para otimizar a ordenação relativa das ações.
• Perda de Gargalo de Informação de Grafo (GIB - Graph Information Bottleneck) ($L_{GIB}$): Um termo de regularização projetado para minimizar a informação mútua entre os embeddings de grafo agregados e a entrada original, garantindo que o modelo retenha informações de correlação essenciais enquanto filtra o ruído.

Principais Contribuições

O artigo reivindica as seguintes contribuições:

• Construção de Grafo Consciente do Mercado: Este é o primeiro trabalho a aprimorar explicitamente a modelagem de relacionamentos inter-ações sob condições macroeconômicas específicas de mercado. Ele integra priors estáticos (indústria) e posteriors dinâmicos (sequências de preços) e os refina usando o feedback do índice de mercado para ajustar adaptativamente as correlações com base nas tendências de mercado.
• Framework FinMamba: A proposta de uma arquitetura inovadora que combina o Grafo Consciente do Mercado com um Mamba de Múltiplos Níveis. Este framework modela efetivamente dependências orientadas a padrões através de múltiplas escalas temporais (micro a macro) mantendo alta eficiência computacional.
• Desempenho de Estado da Arte: Experimentos extensos nos mercados de ações dos EUA (S&P 500, NASDAQ 100) e da China (CSI 300, CSI 500) demonstram que o FinMamba alcança precisão de previsão e lucratividade de trading superiores em comparação com métodos de investimento quantitativo existentes e modelos gerais de previsão de séries temporais.

Resultados Experimentais

Os autores avaliaram o FinMamba contra uma ampla gama de baselines, incluindo estratégias quantitativas clássicas (BLSW, CSM), métodos de aprendizado por reforço profundo (AlphaStock) e várias arquiteturas de deep learning (Transformer, Mamba, THGNN, PatchTST, etc.).

• Métricas de Desempenho: O modelo foi avaliado usando Razão de Retorno Anual (ARR), Volatilidade Anual (AVol), Drawdown Máximo (MDD), Índice de Sharpe Anual (ASR) e Índice de Informação (IR).
• Descobertas:
  • O FinMamba alcançou os melhores ou segundos melhores resultados em todos os quatro datasets na maioria das métricas, particularmente em ARR, ASR e IR.
  • Superou modelos gerais de previsão de séries temporais (ex: Crossformer, iTransformer) que carecem de modelagem de relacionamento inter-ações baseada em grafos.
  • Superou outros métodos baseados em grafos (ex: THGNN, VGNN) ao incorporar efetivamente o feedback do índice de mercado na estrutura do grafo.
  • Estudos de Ablação: Remover a Matriz de Decaimento Industrial, a Esparsificação Consciente do Mercado ou a estrutura de Múltiplos Níveis do Mamba resultou em degradação significativa do desempenho, confirmando a necessidade de cada componente.
  • Eficiência: O FinMamba demonstrou menor tempo de inferência e uso de memória em comparação com modelos baseados em Transformer, especialmente conforme o horizonte de observação (lookback) aumentava, validando sua vantagem de complexidade linear.
  • Estudo de Caso: A análise da greve da UAW de 2023 mostrou que o FinMamba capturou com sucesso a evolução da dinâmica de correlação entre as montadoras tradicionais (GM, Ford) e a Tesla, refletindo a mudança de posições de mercado distintas para uma competição intensificada.

Significância e Alegações

O artigo posiciona o FinMamba como um avanço significativo no trading quantitativo ao abordar os desafios duplos da adaptabilidade dinâmica de mercado e eficiência computacional. Os autores alegam que, ao integrar o feedback macroeconômico do mercado diretamente no processo de construção do grafo, o modelo pode entender melhor a dinâmica do mercado, particularmente durante períodos de volatilidade. Além disso, o uso da arquitetura Multi-Level Mamba permite a extração eficiente de padrões temporais de múltiplas escalas sem o ônus computacional dos mecanismos de atenção, tornando a abordagem adequada para o trading algorítmico em tempo real. O trabalho sugere que combinar priors estruturais baseados em grafos com a modelagem de estado seletiva do Mamba oferece um paradigma robusto para a previsão de séries temporais financeiras.