Optimization of dynamic crypto portfolios via deep reinforcement learning against supervised learning under transaction costs
Este artigo demonstra que uma abordagem de Aprendizado por Reforço Profundo utilizando PPO supera significativamente modelos de aprendizado supervisionado como LSTM, Random Forest e XGBoost na otimização de um portfólio dinâmico de criptomoedas sob custos de transação, alcançando retornos ajustados ao risco e neutralidade de mercado superiores ao priorizar a eficiência de negociação em vez da precisão direcional.
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
O mundo das moedas digitais opera em uma escala de movimento que desafia a intuição financeira tradicional. Ao contrário dos mercados relativamente estáveis de ações ou títulos, o cenário das criptomoedas é definido pela volatilidade extrema, onde os preços podem oscilar drasticamente em um único dia, e as regras que governam esses preços mudam sem aviso prévio. Durante décadas, os investidores confiaram em modelos matemáticos projetados para equilibrar risco e recompensa, mas essas ferramentas clássicas frequentemente falham quando aplicadas a ativos que não se comportam como bens econômicos normais. Elas assumem que os padrões de mercado se repetem e que as relações entre diferentes ativos permanecem constantes, suposições que desmoronam no ambiente caótico das finanças digitais. Para navegar nessa turbulência, pesquisadores recorreram à inteligência artificial, esperando construir sistemas que possam aprender com o ruído em vez de tentar prever o futuro com precisão perfeita. O desafio central não é apenas encontrar uma negociação lucrativa, mas fazê-lo sem perder dinheiro para os custos ocultos da própria negociação, como as taxas que corroem os lucros toda vez que um portfólio é ajustado.
Em um estudo recente, uma equipe de pesquisadores de universidades de Marrocos abordou esse problema específico testando uma nova abordagem para gerenciar um portfólio de dez principais criptomoedas. Eles buscaram verificar se um tipo de inteligência artificial conhecido como aprendizado por reforço profundo poderia superar os métodos estabelecidos de aprendizado de máquina que têm sido o padrão há anos. Os pesquisadores criaram um ambiente digital onde um agente artificial tinha que tomar decisões diárias sobre como dividir seu dinheiro entre dez moedas diferentes, incluindo Bitcoin, Ethereum e outras, mantendo também uma parte em um ativo seguro e de risco zero, semelhante ao dinheiro em espécie. Crucialmente, toda vez que o agente decidia mover dinheiro de uma moeda para outra, ele tinha que pagar uma pequena taxa, imitando o custo real de negociação. O objetivo era ver qual método conseguiria aumentar o valor do portfólio mais enquanto sobrevivia às inevitáveis quedas do mercado e evitava a armadilha do excesso de negociações.
A equipe comparou sua nova abordagem contra três modelos conhecidos de aprendizado supervisionado, que funcionam tentando primeiro prever o preço futuro de um ativo e depois decidindo o que comprar com base nessa previsão. Esses modelos tradicionais incluíam redes Long Short-Term Memory, que são boas em lembrar padrões passados; Random Forests, que usam muitas árvores de decisão para encontrar respostas; e XGBoost, uma ferramenta poderosa para detectar relações complexas em dados. Os pesquisadores descobriram que esses métodos tradicionais lutavam significativamente quando as taxas de transação eram introduzidas. Como esses modelos focam em prever a direção exata de um preço, até mesmo um erro minúsculo em sua previsão fazia com que eles negociassem com muita frequência. Essa compra e venda constante, impulsionada por pequenos erros de cálculo, significava que as taxas rapidamente consumiam qualquer lucro potencial, deixando os portfólios estagnados ou até mesmo no vermelho. Um dos modelos tradicionais chegou a perder dinheiro, falhando em cobrir o custo das negociações que realizou.
Em contraste, o agente de aprendizado por reforço profundo, que foi treinado usando um método chamado Otimização de Política Próxima (Proximal Policy Optimization), adotou uma abordagem fundamentalmente diferente. Em vez de tentar adivinhar o próximo preço, este agente aprendeu diretamente com as consequências de suas ações. Ele era recompensado por ganhar dinheiro, mas penalizado severamente por movimentar seu dinheiro desnecessariamente. Isso ensinou ao agente uma lição vital: era melhor manter-se estável do que negociar, a menos que o ganho esperado fosse grande o suficiente para justificar a taxa. Quando o mercado se tornava perigoso, este agente aprendia a recuar para sua posição segura de dinheiro em espécie, protegendo seu capital das piores quedas. Quando o mercado estava calmo, ele permanecia investido para capturar o crescimento. Esta estratégia permitiu que ele navegasse pelo período volátil de 2021 a 2024 com uma eficiência notável.
Os resultados do experimento foram marcantes. O agente de aprendizado por reforço profundo alcançou um retorno anual de 37,22%, superando amplamente os outros métodos. Enquanto os modelos tradicionais gerenciaram retornos variando de um modesto 6,75% a um negativo de 1,48%, o novo agente não apenas fez o portfólio crescer, mas também gerenciou o risco de forma eficaz. Ele sofreu uma perda máxima de 28,74% durante as piores quedas do mercado, o que foi menos severo do que as perdas experimentadas pelas outras estratégias. Talvez o mais importante seja que o agente provou ser neutro em relação ao mercado, o que significa que seu sucesso não dependia da subida ou descida geral do mercado. Ele gerou um valor específico conhecido como alfa, que representa a habilidade da própria estratégia, independente da tendência geral do mercado. Os modelos tradicionais, por comparação, estavam fortemente atrelados à direção do mercado e falharam em gerar esse valor extra, muitas vezes destruindo riqueza em vez de criá-la.
Este estudo sugere que o futuro do gerenciamento de ativos digitais voláteis pode residir em sistemas que entendem o custo da ação, não apenas a promessa de recompensa. Ao incorporar a realidade das taxas de transação diretamente no processo de aprendizado, os pesquisadores criaram um agente que se comporta mais como um investidor humano prudente do que como uma máquina reativa. Ele aprendeu que a paciência e a disciplina são frequentemente mais lucrativas do que a atividade constante. Embora o estudo tenha sido conduzido usando dados históricos e simulações, as descobertas oferecem um argumento convincente para o afastamento de modelos simples de previsão em direção a sistemas que otimizam para a experiência completa de negociação, incluindo o atrito do próprio mercado. O sucesso desta abordagem destaca que, em um mundo financeiro caótico, a capacidade de saber quando não negociar é tão valiosa quanto saber quando comprar.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.