🤖 machine learning

Machine Learning and the Random Walk Puzzle: Forecasting the CAD/USD Exchange Rate with Expanding Window Evaluation and SHAP Interpretability

Este estudo avalia cinco modelos de aprendizado de máquina contra um benchmark de passeio aleatório ingênuo para a previsão da taxa de câmbio mensal USD/CAD de 2017 a 2026, constatando que, embora a regressão linear supere estatisticamente o passeio aleatório, a maioria dos modelos de ML oferece apenas melhorias marginais e depende fortemente de defasagens recentes, confirmando a dificuldade inerente de prever taxas de câmbio.

Autores originais: Louis Agyekum, Edmund Fosu Agyemang, Obu-Amoah Ampomah, Kofi Acheampong, Emmanuel Boadi, Priscilla Yaa Amakye, Fafa Shalom Tchorly, Enock Adu Bonsu, Eric Nyarko

Publicado 2026-06-16

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Louis Agyekum, Edmund Fosu Agyemang, Obu-Amoah Ampomah, Kofi Acheampong, Emmanuel Boadi, Priscilla Yaa Amakye, Fafa Shalom Tchorly, Enock Adu Bonsu, Eric Nyarko

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você esteja tentando adivinhar o preço de uma xícara de café amanhã. Você poderia observar padrões climáticos complexos, cadeias de suprimentos globais de grãos de café ou o humor dos baristas em todo o mundo. Ou, você poderia simplesmente assumir que o preço de amanhã será exatamente o mesmo de hoje.

Este artigo é essencialmente uma competição de alto nível entre essas duas abordagens, mas em vez de café, o "preço" é a taxa de câmbio entre o Dólar Canadense (CAD) e o Dólar Americano (USD). Os pesquisadores fizeram uma pergunta simples: Será que programas de computador modernos e sofisticados (Aprendizado de Máquina) conseguem prever preços de moedas melhor do que a simples suposição de que "o amanhã será igual ao hoje"?

Aqui está a divisão de suas descobertas usando analogias do cotidiano:

1. Os Contendentes: O "Inteligente" vs. O "Simples"

Os pesquisadores montaram uma corrida com duas equipes:

A Equipe "Inteligente" (Aprendizado de Máquina): Estes são modelos de computador complexos como Random Forest, XGBoost e AdaBoost. Pense neles como uma equipe de detetives superinteligentes que conseguem identificar padrões minúsculos e ocultos em uma pilha enorme de pistas. Eles são projetados para encontrar relações não lineares e complicadas que os humanos podem perder.
A Equipe "Simples" (Os Benchmarks):
- O Passeio Aleatório (Random Walk): Este é o palpite "Ingênuo". Ele assume que a melhor previsão para amanhã é simplesmente o valor de hoje. É como adivinhar que o tempo de amanhã será exatamente o mesmo de hoje.
- O Estatístico Tradicional (ETS): Um modelo matemático clássico e convencional que tenta encontrar padrões sazonais (como "é sempre mais quente em julho").

2. As Regras do Jogo

Para garantir que a equipe "Inteligente" não trapaceasse espiando o futuro, os pesquisadores usaram uma regra estrita de "Janela Expansiva" (Expanding Window).

A Analogia: Imagine fazer uma prova onde você só tem permissão para estudar os livros de história até o dia de ontem. Você faz um palpite para hoje, depois tem permissão para ler o jornal de hoje e, então, faz um palpite para amanhã. Você nunca pode olhar o jornal da próxima semana para ajudar a adivinhar o dia de hoje. Isso garante que os modelos sejam testados sobre como eles funcionariam no mundo real, e não apenas em uma simulação de computador.

3. Os Resultados: A Equipe "Simples" Vence (Na Maioria das Vezes)

Após rodar a corrida ao longo de 18 meses de dados, eis o que aconteceu:

O Palpite "Simples" (Passeio Aleatório) é uma Besta: O resultado mais surpreendente é que o palpite simples ("amanhã parece com hoje") foi incrivelmente difícil de ser batido. Ele foi o preditor mais preciso na maior parte do tempo. Isso confirma um famoso mistério econômico chamado Puzzle de Meese-Rogoff, que sugere que os mercados de câmbio são tão eficientes que padrões complexos são difíceis de encontrar.
A Equipe "Inteligente" Tropeça: Os modelos sofisticados de Aprendizado de Máquina (os superdetetives) não venceram o palpite simples. Na verdade, eles foram ligeiramente piores do que o palpite simples, embora não por uma grande margem. Eles se perderam tentando encontrar padrões complexos e acabaram "pensando demais" sobre os dados.
A Única Exceção: Houve um modelo que de fato venceu o palpite simples: a Regressão Linear. Pense nisso como um modelo "Simples Inteligente". Não é um detetive complexo; é apenas uma linha reta conectando os pontos. Ele venceu porque, neste caso específico, a melhor maneira de prever o futuro é realmente olhar para o passado muito recente. Os modelos complexos eram complicados demais para um trabalho que exigia simplicidade.
O Modelo da Velha Guarda Perdeu: O modelo estatístico tradicional (ETS) teve o pior desempenho de todos, falhando em superar até mesmo o palpite simples.

4. Por Que a Equipe "Inteligente" Falhou? (A "Caixa Preta" Explicada)

Os pesquisadores usaram uma ferramenta chamada SHAP para abrir a "caixa preta" do modelo de Aprendizado de Máquina com melhor desempenho (Random Forest) e ver o que ele estava realmente pensando.

A Analogia: Imagine perguntar a um supercomputador: "Por que você chutou que o preço seria $1,36?"
A Resposta: O computador disse: "Bem, ontem era $1,36 e o dia anterior também era $1,36."
A Lição: Os modelos "Inteligentes" perceberam que a pista mais importante era apenas o preço mais recente. Eles ignoraram os padrões complexos de longo prazo que foram construídos para encontrar porque os dados não os possuíam. A moeda estava se comportando como um "Passeio Aleatório" — ela estava apenas derivando aleatoriamente, e a única coisa que importava era o último passo dado.

5. As Rupturas Estruturais (As "Reviravoltas no Enredo")

Os pesquisadores também observaram a linha do tempo e encontraram quatro grandes "reviravoltas" onde as regras do jogo mudaram:

2018: A guerra comercial entre EUA e China começou.
2020: A pandemia atingiu o mundo e o mundo entrou em pânico.
2022: O Banco do Canadá aumentou as taxas de juros para combater a inflação.
2024: O Banco do Canadá começou a cortar as taxas de juros.

Mesmo com esses grandes eventos, o modelo simples de "Passeio Aleatório" permaneceu o adversário mais difícil de vencer.

Resumo

Se você quer prever a taxa de câmbio USD/CAD para o próximo mês:

Não dependa de uma IA supercomplexa que tenta encontrar segredos ocultos nos dados; ela provavelmente complicará demais as coisas.
Sim, olhe para o que aconteceu ontem.
Talvez use um modelo matemático linear muito simples, que foi a única coisa que conseguiu superar levemente a estratégia de "chutar que é o mesmo de ontem" neste estudo específico.

O artigo conclui que, para este par de moedas específico, o mercado é tão eficiente que a abordagem "simples" ainda é a rainha, e os sofisticados modelos de Aprendizado de Máquina não encontraram uma solução mágica para prever o futuro melhor do que apenas olhar para o presente.

Resumo Técnico: Aprendizado de Máquina e o Enigma do Passeio Aleatório na Previsão do USD/CAD

Definição do Problema
Este estudo aborda o duradouro "enigma de Meese-Rogoff" nas finanças internacionais: a dificuldade empírica de prever taxas de câmbio fora da amostra utilizando modelos macroeconômicos estruturais, que consistentemente falham em superar um benchmark de passeio aleatório (random walk) ingênuo. Especificamente, o artigo investiga se métodos de conjunto (ensemble) de aprendizado de máquina (ML) moderno podem superar essa limitação na previsão da taxa de câmbio mensal USD/CAD. Os autores focam no par USD/CAD devido à sua significância econômica para o Canadá e ao seu status de moeda vinculada a commodities, hipotetizando que suas características estruturais (ex: correlação com os preços do petróleo) podem oferecer dinâmicas previsíveis ausentes em moedas puramente financeiras.

Metodologia
A pesquisa emprega um framework de avaliação rigoroso e livre de vazamento (leakage-free), utilizando dados diários do Bank of Canada (janeiro de 2017 – maio de 2026), reamostrados para 113 observações mensais.

Pré-processamento de Dados: A série diária foi agregada em médias mensais. O conjunto de dados foi dividido em um período de treinamento (janeiro de 2017 – novembro de 2024, $T_0=95$ ) e um período de teste estrito fora da amostra (dezembro de 2024 – maio de 2026, $H=18$ ).
Engenharia de Atributos (Feature Engineering): Para evitar o vazamento de dados, todos os preditores para os modelos de ML foram construídos exclusivamente a partir de informações disponíveis antes da origem da previsão ( $\mathcal{F}_{t-1}$ $F_{t - 1}$ ). Os atributos incluíram:
- Valores defasados (lags) ( $y_{t-1}$ a $y_{t-12}$ ).
- Estatísticas móveis (médias e desvios padrão) em janelas de 3, 6 e 12 meses.
- Média expansiva (média histórica).
- Diferenças de primeira ordem e codificações cíclicas (seno/cosseno) para sazonalidade.
Modelos Avaliados:
- Benchmarks: Passeio Aleatório (RW) sem deriva (drift) e Suavização Exponencial com sazonalidade de Holt-Winters (ETS).
- Aprendizado de Máquina: Regressão Linear, Random Forest (RF), Gradient Boosting, XGBoost e AdaBoost.
Protocolo de Avaliação:
- Janela Expansiva: Os modelos foram reestimados em cada etapa usando um conjunto de treinamento expansivo para espelhar as condições de previsão em tempo real.
- Métricas: O desempenho foi avaliado usando MAE, RMSE, MAPE, SMAPE e o estatístico de Theil's U.
- Teste Estatístico: O teste de Diebold-Mariano (DM) foi utilizado para determinar se os erros de previsão diferiam significativamente do benchmark de passeio aleatório.
- Interpretabilidade: Valores SHAP (Shapley Additive explanations) foram aplicados ao modelo de ML com melhor desempenho para decompor as contribuições dos atributos.
Análise Estrutural: O algoritmo PELT foi utilizado para detectar rupturas estruturais, identificando quatro mudanças de regime significativas correspondentes a grandes eventos macroeconômicos (guerra comercial de 2018, recuperação da pandemia de 2020, altas de juros de 2022, cortes de juros de 2024).

Principais Resultados

Dominância do Passeio Aleatório: O passeio aleatório ingênuo (equivalente a ARIMA(0,1,0)) permaneceu como o benchmark mais robusto. Ele alcançou o menor RMSE (0,0158) e MAPE (0,92%) entre todos os modelos.
Desempenho Limitado de ML:
- Regressão Linear foi o único modelo a superar estatisticamente o passeio aleatório (estatístico DM = 3,0585, $p = 0,0071$ ). Os autores atribuem isso à capacidade do modelo de aproximar o passeio aleatório com baixa variância sob condições de raiz unitária próxima à unidade.
- Modelos de Conjunto (Ensemble): Todos os modelos complexos de ML (Random Forest, Gradient Boosting, XGBoost, AdaBoost) geraram estatísticos DM negativos, indicando que foram marginalmente piores que o passeio aleatório, embora nem sempre de forma estatisticamente significativa ao nível de 5%.
- Desempenho do ETS: O modelo tradicional ETS apresentou o pior desempenho, subperformando significativamente o passeio aleatório, provavelmente devido a ajustes sazonais espúrios em uma série que carece de forte sazonalidade.
Importância dos Atributos (SHAP): A análise SHAP do modelo Random Forest revelou que os lags de curto prazo (lag_1, lag_2) e as médias móveis recentes dominaram as previsões. O lag_1 foi responsável por ~21% da importância do atributo. Lags de longo horizonte e atributos sazonais contribuíram minimamente, confirmando que a série se comporta amplamente como um passeio aleatório com momentum de curto prazo.
Acurácia de Previsão: Apesar de não vencer o passeio aleatório estatisticamente, todos os modelos de ML alcançaram "Alta Acurácia" (MAPE < 10%) e superaram o benchmark ETS. O Random Forest obteve o menor MAPE (1,17%) entre os modelos que não eram de passeio aleatório.

Significância e Alegações
O artigo afirma fornecer uma resposta direta e estatisticamente rigorosa ao enigma de Meese-Rogoff para o par USD/CAD dentro do período de amostra especificado. Suas principais contribuições são:

Reforço do Enigma: O estudo confirma que, mesmo com métodos de conjunto avançados e protocolos rigorosos de janela expansiva, as taxas de câmbio em economias desenvolvidas permanecem amplamente imprevisíveis além do passeio aleatório usando apenas dados históricos endógenos.
Rigor Metodológico: Ao utilizar um framework de janela expansiva e o teste de Diebold-Mariano, o estudo evita armadilhas comuns de vazamento de dados e sobreajuste (overfitting) encontradas na literatura de previsão de ML.
Interpretabilidade: A aplicação de valores SHAP aborda a crítica de "caixa preta" do ML na economia, demonstrando que os modelos estão aprendendo comportamentos de passeio aleatório próximos do sentido econômico, em vez de padrões espúrios.
Nuance Prática: Embora os modelos de ML não tenham vencido o passeio aleatório, eles superaram os modelos estatísticos tradicionais (ETS). Os autores sugerem que, para profissionais, a Regressão Linear e o Random Forest (sob janelas expansivas) podem servir como ferramentas úteis de previsão condicional, particularmente quando comparados aos benchmarks clássicos, embora alertem contra a interpretação desses ganhos como regras de negociação confiáveis.

Os autores concluem que os benefícios de ML na previsão de taxas de câmbio são provavelmente episódicos e dependentes do modelo, fortemente limitados pela natureza de quase passeio aleatório dos dados, e que ganhos futuros podem exigir a incorporação de fundamentos macroeconômicos (ex: diferenciais de taxas de juros, preços de commodities) em vez de depender apenas de dados históricos de preços.