📈 economia

Adaptive Position Rebalancing via Regime-Conditioned Contextual Bandits for Pre-Market Trading Optimization

Este artigo propõe uma estrutura de gestão de portfólio pré-mercado adaptativa para o mercado de ações indiano que seleciona dinamicamente ações de Compra, Venda ou Manutenção ao combinar a detecção de regime de mercado não supervisionada com um conjunto de quatro modelos de bandit contextual, demonstrando desempenho superior em relação às abordagens de base em condições voláteis.

Autores originais: Mutina Sathwik Apuroop, Avinash Paidi, Yamasani Purushotham Reddy, Harsha Vardhan Akili, Rolla Subrahmanyam

Publicado 2026-09-21

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Mutina Sathwik Apuroop, Avinash Paidi, Yamasani Purushotham Reddy, Harsha Vardhan Akili, Rolla Subrahmanyam

Artigo original sob licença CC BY 4.0 (https://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

No mundo das finanças, o desafio mais difícil não é prever o futuro, mas reconhecer o presente. Os mercados não são paisagens estáticas; são ambientes vivos que oscilam entre diferentes estados de espírito. Às vezes eles estão otimistas e em ascensão, um estado que os operadores chamam de "bullish" (de alta). Outras vezes, o medo se instala e os preços despencam em uma queda "bearish" (de baixa). Entre esses estados, o mercado frequentemente permanece em um estado neutro, movendo-se lateralmente sem uma direção clara. Modelos computacionais tradicionais costumam ter dificuldade com essa realidade porque tendem a aplicar um único conjunto de regras para todas as situações, como um motorista usando a mesma técnica de direção quer a estrada esteja seca, com gelo ou coberta de lama. Quando o ambiente muda, um modelo rígido muitas vezes falha em se adaptar rapidamente o suficiente, levando a erros dispendiosos. Isso é particularmente verdadeiro para a breve janela antes da abertura do mercado de ações, um momento em que os operadores devem decidir se compram mais ações, vendem o que possuem ou não fazem nada com base nas informações mais recentes.

Uma equipe de pesquisadores da Índia propôs uma nova maneira de lidar com essa volatilidade, ensinando computadores a reconhecer o humor atual do mercado antes de tomar uma decisão. O trabalho deles foca na sessão de pré-mercado da bolsa de valores indiana, uma curta janela de oito minutos entre 9h00 e 9h08, onde os operadores ajustam seus portfólios antes do início do pregão regular. Em vez de depender de um único algoritmo gigante e de uso geral, os pesquisadores construíram um sistema que primeiro identifica se o mercado está em um regime bullish, bearish ou neutro. Uma vez identificado o humor, o sistema alterna para uma equipe especializada de quatro ferramentas de tomada de decisão diferentes, cada uma treinada especificamente para aquele tipo de ambiente. Essas ferramentas trabalham juntas para votar na melhor ação para cada ação, garantindo que a estratégia se ajuste às condições atuais, em vez de forçar uma única estratégia sobre um mundo em constante mudança.

Os pesquisadores testaram essa abordagem usando dados históricos de cinco grandes empresas indianas de diversos setores, incluindo bancário, tecnológico e automotivo, cobrindo uma década de história de mercado de 2015 a 2025. Eles compararam seu novo sistema "condicionado ao regime" contra modelos padrão que não distinguem os humores do mercado. Os resultados mostraram uma vantagem clara para a abordagem adaptativa. Nas simulações, o novo sistema identificou corretamente a melhor ação — seja comprar, vender ou manter — cerca de 54 a 61 por cento das vezes em todas as diferentes ações. Em contraste, os modelos padrão, que utilizavam a mesma lógica independentemente das condições de mercado, alcançaram apenas taxas de precisão entre 34 e 52 por cento. O sistema adaptativo também acumulou mais lucro total ao longo do tempo e cometeu menos erros dispendiosos em comparação com uma estratégia ideal, sugerindo que adaptar as decisões ao ambiente específico do mercado melhora significamente o desempenho.

O cerne deste sucesso reside na capacidade do sistema de dividir e conquistar. Os pesquisadores utilizaram um método chamado agrupamento (clustering) para categorizar dias passados do mercado em três categorias, baseadas em como os preços e os volumes de negociação se comportaram. Quando um novo dia chega, o sistema verifica os dados atuais do mercado em relação a esses grupos para determinar o regime. Se o mercado estiver em tendência de alta, o sistema ativa um conjunto específico de quatro motores de decisão projetados para condições bullish. Se o mercado estiver caindo, ele alterna para um conjunto diferente de motores treinados para condições bearish. Esses motores incluem tanto modelos lineares, que buscam padrões diretos, quanto modelos neurais, que podem detectar relações complexas e não lineares. Ao possuir uma equipe dedicada para cada humor, o sistema evita a confusão que frequentemente assola as abordagens de modelo único quando o mercado muda subitamente de calmo para caótico.

Para tomar essas decisões, o sistema observa uma ampla gama de sinais técnicos, como o quanto o preço de uma ação se moveu recentemente, o preço médio das últimas semanas e o volume de ações negociadas. Ele não tenta prever o preço exato de uma ação para amanhã. Em vez disso, faz uma pergunta mais simples e prática: dado o humor atual do mercado e o comportamento recente da ação, é melhor aumentar a posição, reduzi-la ou mantê-la igual? O sistema aprende com seus próprios erros em um ciclo contínuo. Após cada dia de negociação, ele observa como a ação realmente se comportou e atualiza suas regras internas para fazer melhor na próxima vez. Isso permite que o sistema se adapte a novas informações conforme elas chegam, em vez de depender de um plano estático criado meses atrás.

O estudo também destaca as limitações desta abordagem. O sistema depende inteiramente de dados históricos de preços e volume, o que significa que não pode levar em conta eventos de notícias súbitos e inesperados, como uma crise geopolítica ou um anúncio corporativo surpresa que possa fazer uma ação saltar ou despencar quando o mercado abre. Além disso, as simulações assumiram que as negociações poderiam ser executadas instantaneamente, sem taxas ou atrasos, o que nem sempre é o caso no mundo real. Apesar dessas restrições, as descobertas sugerem que tratar as condições de mercado como regimes distintos, em vez de um único fluxo contínuo, oferece uma maneira mais robusta de gerenciar portfólios. Ao reconhecer que as regras do jogo mudam dependendo do ambiente, os pesquisadores demonstraram um caminho para estratégias de negociação mais estáveis e eficazes, particularmente nos momentos críticos antes da abertura do mercado.

Resumo Técnico: Rebalanceamento de Posição Adaptativo via Bandidos Contextuais Condicionados por Regime

Declaração do Problema

Gerenciar carteiras de ações em mercados financeiros voláteis e não estacionários apresenta um desafio significativo para sistemas de tomada de decisão. Modelos tradicionais de aprendizado de máquina frequentemente funcionam como preditores estáticos, falhando em se adaptar rapidamente quando as condições de mercado mudam bruscamente. Este problema é particularmente agudo no mercado de ações indiano (NSE/BSE) durante a sessão de pré-abertura (9:00 AM – 9:08 AM), uma janela curta onde os traders devem decidir se irão Comprar, Vender ou Manter (Hold) posições existentes antes do início do pregão regular.

O problema central abordado é a falta de um sistema de suporte à decisão adaptável e online que possa:

Responder a mudanças contínuas nas condições de mercado (liquidez, volatilidade, sentimento).
Selecionar ações discretas de portfólio (Comprar/Vender/Manter) com base no contexto imediato do mercado, em vez de apenas prever preços futuros.
Operar efetivamente dentro das restrições específicas do mecanismo de leilão de chamada do pré-mercado indiano.

Metodologia

Os autores propõem um Framework de Bandidos Contextuais Dirigido por Regime de Mercado. Em vez de depender de um único modelo global para todas as condições de mercado, o sistema emprega uma arquitetura modular que se adapta ao estado atual do mercado.

1. Identificação de Regime de Mercado

O framework primeiro classifica o mercado em um de três regimes: Bullish (Alta), Bearish (Baixa) ou Neutral (Neutro).

Fonte de Dados: As características são extraídas do índice NIFTY 50, incluindo retornos diários, volatilidade e indicadores técnicos.
Técnica: O agrupamento não supervisionado K-Means é usado para agrupar observações de mercado nesses três regimes. Os centroides dos clusters são atualizados periodicamente conforme novos dados ficam disponíveis para refletir mudanças de longo prazo no comportamento do mercado.

2. Ensemble de Bandidos Contextuais

Para cada regime de mercado identificado, o sistema mantém um ensemble dedicado de quatro modelos de bandidos contextuais:

Modelos Lineares: Linear Upper Confidence Bound (LinUCB) e Linear Thompson Sampling (LinTS). Estes são computacionalmente eficientes e adequados para relações lineares.
Modelos Neurais: NeuralUCB e Neural Thompson Sampling (NeuralTS). Estes utilizam redes neurais para capturar relações complexas e não lineares entre contexto e recompensa.

3. Mecanismo de Decisão

Vetor de Contexto ( $x_t$ ): Construído usando uma janela móvel de 10 dias de negociação, incorporando indicadores técnicos como RSI, MACD, OBV, SMAs (5 e 20 dias) e momentum de preço.
Seleção de Ação: Quando uma decisão é necessária, o sistema identifica o regime atual ( $c_t$ ) e ativa o ensemble especialista correspondente. Os quatro modelos de bandidos dentro desse ensemble preveem uma ação de forma independente. A decisão final é determinada por votação majoritária. Em caso de empate, uma regra de preferência específica do regime é aplicada (ex: preferir 'Comprar' em um regime Bullish).
Formulação de Recompensa: A recompensa é calculada usando um limiar dinâmico ( $\tau_t$ ) baseado na variação média absoluta de preço observada até o dia $t$ $t$ .
- Comprar: Recompensa se o preço aumentar mais do que $\tau_t$ .
- Vender: Recompensa se o preço diminuir mais do que $\tau_t$ .
- Manter (Hold): Recompensa se a variação de preço permanecer dentro de $[-\tau_t, \tau_t]$ .
- Penalidade: -1 para ações que não se alinham com o movimento de preço em relação ao limiar.

4. Processo de Aprendizado

O framework opera em uma simulação de streaming dia a dia:

Fase de Treinamento: Os modelos são treinados em blocos de dados históricos expansivos, atualizando parâmetros incrementalmente após cada dia de observação.
Fase de Teste: Uma avaliação de streaming rigorosa fora da amostra (out-of-sample) é conduzida, onde o modelo faz previsões para o próximo dia usando apenas dados passados, atualiza sua política com a recompensa realizada e re-agrupa periodicamente os estados de mercado.

Principais Contribuições

Arquitetura Condicionada por Regime: O artigo introduz uma abordagem inovadora que combina o agrupamento de regimes de mercado não supervisionado com ensembles de bandidos contextuais separados. Isso permite que o sistema se especialize em ambientes de mercado específicos (Bullish, Bearish, Neutral) em vez de tentar aprender uma política única para todas as condições.
Ensemble de Bandidos Lineares e Neurais: Ao integrar tanto modelos lineares (LinUCB, LinTS) quanto neurais (NeuralUCB, NeuralTS), o framework equilibra eficiência computacional com a capacidade de modelar dinâmicas de mercado não lineares.
Otimização de Pré-Mercado: O estudo foca especificamente no domínio sub-pesquisado da sessão de pré-mercado indiana (9:00–9:08 AM), formulando-a como uma tarefa de tomada de decisão sequencial para rebalanceamento de posição.
Mecanismo de Recompensa Dinâmica: O uso de um limiar de recompensa ajustado pela volatilidade permite que o sistema se adapte à sua sensibilidade aos movimentos de mercado, em vez de depender de mudanças percentuais fixas.

Resultados Experimentais

O framework foi avaliado em ações setoriais indianas selecionadas (Hindustan Unilever, HDFC Bank, Infosys, Larsen & Toubro, Mahindra & Mahindra) usando dados de janeiro de 2015 a julho de 2025. A avaliação fora da amostra cobriu de julho de 2024 a julho de 2025.

Acurácia: O framework condicionado por regime proposto alcançou uma acurácia de decisão de negociação significativamente maior (variando de 54,8% a 61,2%) comparado aos modelos de linha de base isolados (que variaram de 34,8% a 52,0%).
Recompensa Cumulativa: A abordagem proposta demonstrou um aumento mais consistente na recompensa cumulativa ao longo do tempo, superando todos os modelos de linha de base.
Análise de Regret (Arrependimento): O framework exibiu uma taxa menor de regret de rastreamento cumulativo, indicando que ele manteve decisões mais consistentes próximas a uma política "oráculo" (a melhor ação possível) mesmo conforme as condições de mercado mudavam.
Estabilidade: A abordagem baseada em regime reduziu o "drift de política" observado nos modelos globais de linha de base durante as transições de mercado entre diferentes estados.

Significância e Alegações

O artigo afirma que a não-estacionariedade financeira degrada significamente o desempenho de modelos de bandidos globais únicos. Ao condicionar o processo de decisão aos regimes de mercado identificados, o framework proposto alcança:

Melhor Estabilidade: Modelos separados para diferentes regimes permitem que o sistema aprenda estruturas de recompensa mais simples específicas para aquele ambiente.
Eficiência Adaptativa: O sistema pode se adaptar de forma mais eficaz às mudanças ambientais ao alternar entre políticas especializadas.
Utilidade Prática: Fornece uma ferramenta de suporte à decisão baseada em dados viável para o gerenciamento de portfólio pré-mercado no contexto indiano, abordando as restrições específicas da curta sessão de pré-abertura.

Os autores reconhecem limitações, incluindo a dependência de dados endógenos históricos (falta de integração de eventos externos) e a suposição de execução sem fricção (ignorando custos de transação e slippage). No entanto, eles afirmam que o framework oferece um benchmark robusto para estratégias de negociação adaptativas de pré-mercado.