Resumo Técnico: Auditoria de Viés de Regime Latente para Previsão de Volatilidade

1. Definição do Problema

As previsões de volatilidade são críticas para a gestão de risco, hedge e alocação de portfólio, particularmente durante períodos de instabilidade de mercado. No entanto, as práticas padrão de avaliação dependem fortemente de métricas de acurácia agregadas, como o Erro Quadrático Médio (RMSE) e o Erro Absoluto Médio (MAE). Os autores argumentam que essas métricas comprimem a distribuição temporal e condicional dos erros, podendo mascarar falhas sistemáticas que ocorrem em estados de mercado específicos e economicamente significativos. Um modelo pode exibir um erro médio baixo, mas ser condicionalmente não confiável — especificamente, ao subprever sistematicamente a volatilidade durante regimes de estresse, que é o erro mais custoso para a gestão de risco. O artigo postula que a previsão de volatilidade deve ser tratada como um problema de confiabilidade condicional, perguntando não apenas se um modelo é acurado em média, mas onde e quando seus erros se tornam enviesados ou instáveis.

2. Metodologia

O artigo propõe um framework de auditoria agnóstico ao modelo, projetado para detectar vieses ocultos específicos de regime sem alterar os modelos de previsão propriamente ditos. A metodologia procede através das seguintes etapas:

A. Aprendizado de Representação Relativa ao Ativo

Para avaliar as previsões entre diferentes ativos (criptomoedas e ETFs) sem que os resultados sejam dominados por escalas persistentes específicas de cada ativo, o framework aprende representações de séries temporais de janelas de estado de mercado:

1. Normalização: As características (retornos, volatilidade baseada em amplitude, volatilidade implícita, volume, drawdown, etc.) são normalizadas dentro de cada ativo usando estatísticas robustas (mediana e IQR) derivadas do período de treinamento.
2. Embedding: Um codificador contrastivo (estilo TS2Vec) aprende embeddings de janela ($z_{i,t}$) para alinhar visões temporalmente sobrepostas.
3. Invariância Adversária: Para evitar que os embeddings codifiquem a identidade estática do ativo (o que confundiria a detecção de regime), um classificador de ativo adversário com reversão de gradiente é empregado. O codificador é treinado para tornar a previsão do ativo difícil, preservando assim as informações dinâmicas do estado de mercado enquanto suprime a estrutura identificadora do ativo.

B. Construção de Regimes Alinhados

Em vez de tratar os regimes como estados de mercado universais, o framework constrói partições de auditoria relativas ao ativo:

1. Clustering: O agrupamento K-means é aplicado aos embeddings de treinamento para cada ativo individualmente para identificar $K$ estados latentes.
2. Alinhamento: Como os rótulos de clusters são arbitrários entre ativos, eles são alinhados usando um score de estresse do período de treinamento. Esse score combina volatilidade realizada, drawdown, retornos absolutos e variáveis de proxy de estresse.
3. Rotulagem: Os clusters são ordenados pelo seu score de estresse médio e rotulados como Calmo (Calm), Intermediário (Intermediate) e Estresse (Stress). Isso garante que o "Estresse" em um ativo corresponda a um nível de estresse comparável em outro, criando um espaço de auditoria unificado.

C. Métricas de Auditoria

O framework avalia os previsores ($M$) usando diversas métricas além do RMSE/MAE padrão:

• Viés Condicional ao Regime: O erro assinado médio dentro de cada regime alinhado.
• Estatísticas de Viés Oculto:
  • $RBA^{stable}_m$: Quantifica o quanto o viés agregado subestima o maior viés de regime relativo ao ativo.
  • RCR_G^{norm}_m: Normaliza a lacuna entre o viés agregado e o viés do pior caso em relação ao RMSE.
• Cauda e Perda Econômica:
  • Subprevisão de Cauda (Tail Underprediction): A taxa de subprevisão no décimo decil dos resultados de volatilidade realizada.
  • Perda Assimétrica: Uma função de perda quadrática assimétrica ($\ell_\lambda$) que penaliza a subprevisão ($e < 0$) mais pesadamente do que a sobreprevisão, refletindo o custo econômico da subestimação de risco.
• Inferência Estatística: Intervalos de confiança via block-bootstrap são usados para determinar se os vieses específicos de regime são estatisticamente significativos.

3. Principais Contribuições

O artigo delineia cinco contribuições primárias:

1. Enquadramento do Problema: Reenquadrar a previsão de volatilidade como um problema de auditoria de confiabilidade condicional e relativa ao ativo, em vez de uma tarefa pura de otimização de acurácia.
2. Ferramentas de Diagnóstico: Introduzir diagnósticos agnósticos ao modelo para viés de regime oculto, subprevisão de cauda e perda econômica sensível à subprevisão.
3. Construção de Regimes: Desenvolver um método para construir regimes relativos ao ativo usando embeddings de séries temporais normalizados, invariância de ativo adversária e alinhamento por score de estresse econômico.
4. Auditoria Abrangente: Aplicar o framework a um amplo conjunto de modelos, incluindo baselines históricos, especificações HAR/IV, modelos lineares, modelos baseados em árvores, redes recorrentes (LSTM/GRU) e arquiteturas do tipo Transformer (iTransformer, PatchTST).
5. Evidência Empírica: Demonstrar que os rankings baseados em acurácia agregada (RMSE) frequentemente divergem dos rankings baseados em confiabilidade condicional e perda econômica, indicando que modelos "acurados" podem ainda ser condicionalmente não confiáveis.

4. Resultados Experimentais

O framework foi aplicado a previsões de volatilidade realizada diária para BTC, ETH, SPY, QQQ, IWM, GLD e USO durante o período de 2021–2026.

• Validade do Regime (RQ1): Os regimes alinhados (Calmo, Intermediário, Estresse) mostraram-se economicamente significativos. Regimes de estresse exibiram maior volatilidade realizada/implícita, maiores drawdowns e maior concentração de eventos de cauda em comparação com períodos calmos.
• Viés Oculto (RQ2): Constatou-se que métricas agregadas mascaram vieses significativos específicos de regime. Por exemplo, vários modelos com RMSE agregado competitivo exibiram subprevisão ou sobreprevisão estatisticamente significativa em regimes específicos (ex: modelos LSTM e GRU mostraram subprevisão significativa em regimes de estresse intermediário).
• Rankings Divergentes (RQ3 & RQ4):
  • Confiabilidade vs. Acurácia: Modelos que ranqueiam alto por RMSE (ex: modelos recorrentes) frequentemente caíram no ranking quando avaliados por métricas de confiabilidade condicional ($RBA^{stable}$). Por outro lado, alguns modelos lineares e nativos de finanças (ex: HAR-RV) melhoraram em seus rankings de confiabilidade.
  • Perda Econômica: Os rankings mudaram ainda mais ao utilizar perda assimétrica ponderada pela cauda. Modelos do tipo Transformer (PatchTST, iTransformer), embora competitivos em algumas métricas agregadas, performaram mal sob critérios de perda econômica, mostrando menor responsividade a extremos de volatilidade e maior subprevisão de cauda.
• Robustez (RQ5): Os achados mantiveram-se consistentes através de diferentes horizontes de previsão e variantes de construção de regime (embeddings simples vs. adversários), confirmando que as lacunas de confiabilidade condicional observadas não são artefatos de uma única escolha de clustering.

5. Significância e Alegações

O artigo afirma que seu framework altera o paradigma de avaliação de "qual modelo é mais acurado em média?" para "identificar os regimes de mercado nos quais previsões aparentemente acuradas falham condicionalmente".

• Limitações: Os autores são modestos quanto ao escopo, observando que os regimes são partições de auditoria dependentes da amostra e não estados de mercado universais. A análise é limitada a alvos de volatilidade realizada diária e um painel específico de cross-asset.
• Insight Central: A principal significância é a demonstração de que a complexidade arquitetônica não garante a confiabilidade condicional. Um modelo pode ser altamente acurado em média, enquanto é perigosamente não confiável nos estados de estresse específicos onde a gestão de risco é mais crítica.
• Implicação: O artigo sugere que a avaliação de previsão de volatilidade deve ir além das métricas de erro agregadas para incluir diagnósticos condicionais ao regime, a fim de garantir que as previsões sejam confiáveis onde elas mais importam. Não se propõe um novo modelo de previsão, mas fornece uma ferramenta de diagnóstico para auditar os modelos existentes.