Resumo Técnico: Recuperação Analógica Sensível ao Período para Previsão Probabilística de Risco Financeiro

1. Definição do Problema

O desafio central abordado é a previsão precisa da distribuição completa dos retornos financeiros, particularmente o risco de cauda exigido para o Valor em Risco (VaR) e o Expected Shortfall (ES) sob estruturas como Basileia III. Os métodos existentes sofrem de um ponto cego fundamental: eles tipicamente constroem previsões ajustando modelos a dados históricos globalmente agrupados sem verificar se as observações passadas são estruturalmente comparáveis ao ambiente de mercado atual.

Três limitações primárias na literatura atual são identificadas:

1. Métodos Paramétricos: Modelos como GARCH, CAViaR e regressão quantílica impõem suposições de forma funcional que frequentemente falham nas caudas ou não conseguem capturar mudanças de regime (Engle e Manganelli 2004; Ghysels et al. 1996).
2. Métodos Analógicos Ingênuos: A recuperação analógica tradicional utiliza a distância euclidiana no espaço de características brutas, levando à "mistura de regimes" (ex: tratar um dia de crise de 2009 como semelhante a um dia de baixa volatilidade de 2017) e "cegueira de calendário" (ignorando a heterogeneidade sazonal), resultando em estimativas de cauda mal calibradas (Aït-Sahalia e Lo 1998; Brock et al. 1992).
3. Limitações de Deep Learning: Embora arquiteturas como LSTMs e Transformers aprendam representações poderosas, elas são otimizadas para o erro de previsão pontual em vez de preservar a forma da distribuição condicional ou a similaridade estrutural entre episódios de mercado (Hochreiter e Schmidhuber 1997; Vaswani et al. 2017).

O artigo postula que a previsão de distribuição deve ser reformulada como um problema de recuperação: identificar dias de mercado passados que se assemelhem ao estado atual em termos de regime macroeconômico, época do ano e estrutura de características, e utilizar seus resultados realizados para construir a distribuição prevista.

2. Metodologia: Recuperação Analógica Sensível ao Período (PAAR)

O framework proposto, PAAR, trata a previsão de distribuição como um problema de busca restringido por três filtros para garantir que os análogos recuperados venham de ambientes genuinamente comparáveis.

2.1 Visão Geral da Arquitetura

O pipeline consiste em quatro estágios: construção de características, identificação de regime, treinamento do encoder e estimativa de distribuição baseada em recuperação.

2.2 Construção de Características

Um vetor de características de mercado $x_t \in \mathbb{R}^{25}$ é construído a partir de indicadores que abrangem tendência, reversão, volatilidade, liquidez, momentum, sinais macroeconômicos e amplitude de mercado. As características são normalizadas usando um z-score móvel sobre os 252 dias precedentes para remover tendências seculares. Metadados de calendário (dia do ano, mês, etc.) são anexados como entrada auxiliar, mas excluídos da métrica de similaridade, servindo em vez disso como restrições de recuperação.

2.3 Identificação de Regime (Filtro 1)

Para evitar a mistura de regimes, o arquivo é particionado usando um Modelo Oculto de Markov Gaussiano (HMM) de quatro estados. O HMM é ajustado em um vetor macroeconômico de cinco dimensões (volatilidade realizada de 10 dias, inclinação da curva de juros, variação do rendimento dos títulos de 10 anos, variação de FX e momentum de 60 dias) para capturar o cenário macroeconômico em vez de padrões de preço superficiais.

• Restrição: Apenas as observações do arquivo atribuídas ao mesmo regime inferido que a data de consulta são elegíveis.
• Adaptação: Se o regime atual for esparsamente representado, a busca se expande para regimes adjacentes classificados pela probabilidade de transição do HMM.

2.4 Treinamento do Encoder

Para abordar a inadequação da métrica (onde a distância euclidiana falha em capturar a similaridade estrutural), um encoder MLP compacto de três camadas mapeia $x_t$ para um embedding de 32 dimensões $e_t$. O encoder é treinado com uma perda composta:

• Perda de Alinhamento de Resultado: Aproxima dias com quintis de retorno realizado semelhantes e afasta aqueles com quintis diferentes dentro do mesmo regime.
• Perda de Separação de Regime: Garante que os embeddings de diferentes regimes permaneçam a pelo menos uma margem de 2.0 de distância.

2.5 Cascata de Recuperação de Três Filtros

Dada uma data de consulta $t$, o processo de recuperação aplica três filtros sucessivos:

1. Portão de Regime: Restringe os candidatos ao mesmo regime do HMM.
2. Janela Sensível ao Período: Dentro do pool filtrado pelo regime, retém apenas observações onde $|\ell_s - \ell_t| \le \delta$ (padrão $\delta=30$ dias), garantindo comparabilidade sazonal (ex: combinar o final de outubro com o final de outubro).
3. Similaridade Multifacetada: Os candidatos restantes são classificados por uma pontuação ponderada $\phi(x_t, x_s)$ combinando:
   • Padrão de preço (tendência/reversão).
   • Alinhamento macroeconômico.
   • Perfil de volatilidade.
   • Distância de embedding aprendida ($\phi_{embed}$).
   • Nota: O número de vizinhos $k$ contrai em regimes de alta volatilidade para preservar a nitidez distributiva.

2.6 Estimativa de Distribuição

A distribuição prevista $\hat{F}_{t+h}(y)$ é construída como uma CDF empírica ponderada dos retornos futuros realizados dos top-$k$ análogos.

• Suavização: Uma estimativa de densidade de núcleo Gaussiano (KDE) é aplicada.
• Fallback: Em regimes estressados com pools de análogos pequenos, a distribuição recorre a um ajuste Student-t via máxima verossimilhança para acomodar caudas pesadas.
• Calibração: Um recalibrador de quantil móvel (regressão isotônica) corrige erros de cobertura sistemáticos ao longo de uma janela de 252 dias, visando especificamente os quantis de cauda.

3. Principais Contribuições

O artigo apresenta três contribuições específicas:

1. Um Framework Sensível ao Regime e ao Período: Um sistema de recuperação estruturado que aborda conjuntamente a mistura de regimes, o confundimento sazonal e a inadequação da métrica, deslocando o foco do erro do modelo da forma paramétrica para a qualidade do conjunto de vizinhos recuperados.
2. Uma Métrica de Similaridade Aprendida: Um espaço de embedding treinado especificamente para alinhar a geometria com resultados distributivos (quintis de retorno) em vez de erro de previsão pontual.
3. Um Protocolo de Avaliação: Uma avaliação abrangente usando regras de pontuação adequadas (WQL, CRPS), calibração de risco de cauda (VaR/ES) e desempenho econômico (razão de Sharpe).

4. Resultados Experimentais

O framework foi avaliado em dados diários do S&P 500 de janeiro de 1995 a março de 2026 (6.430 dias de teste), usando um backtest walk-forward contra dez baselines (clássicos, ML, deep learning e modelos de fundação).

4.1 Precisão Distributiva

• PAAR-RAF (incorporando um embedding de modelo de fundação como uma faceta de similaridade) e PAAR-KDE alcançaram os melhores valores de Weighted Quantile Loss (WQL) e Continuous Ranked Probability Score (CRPS).
• Ambos os variantes do PAAR foram os únicos modelos a atingir um Mean Absolute Scaled Error (MASE) abaixo de 1.0, indicando melhoria consistente sobre um benchmark ingênuo.
• Testes de significância estatística (Diebold-Mariano) confirmaram que o PAAR-RAF superou significativamente todos os baselines, incluindo modelos clássicos ARMA/ARIMA.

4.2 Calibração de Cauda e Gestão de Risco

• Cobertura de VaR: O PAAR-KDE permaneceu próximo à taxa de excesso de VaR alvo de 10% e não foi rejeitado pelo teste de Kupiec, enquanto muitos baselines de ML e deep learning exibiram subcobertura severa (ex: Random Forest em 24%, Chronos em 25.1%).
• Desempenho Econômico: As variantes do PAAR alcançaram razões de Sharpe superiores aos baselines de deep learning. O PAAR-KDE acumulou o maior retorno terminal ao longo da janela de 26 anos e sustentou trajetórias positivas através das crises de 2008 e 2020.
• Modelos de Fundação: O deployment zero-shot do modelo de fundação Chronos resultou em severa má calibração de cauda. No entanto, usar seus embeddings como uma faceta de recuperação (PAAR-RAF) gerou o melhor desempenho geral, sugerindo que modelos de fundação são valiosos como aprendizes de representação, mas não como previsores probabilísticos diretos neste contexto.

4.3 Estudo de Ablação

Remover qualquer componente único da cascata de três filtros degradou o desempenho:

• Sem Similaridade Multifacetada: Maior degradação em WQL/CRPS, confirmando que a qualidade da representação é o principal driver de precisão.
• Sem Portão de Regime: Redução na razão de Sharpe, indicando que a recuperação não restrita introduz ruído de estados estruturalmente incompatíveis.
• Sem Filtro de Período: Melhorou ligeiramente o WQL, mas reduziu significativamente o Sharpe, mostrando que o alinhamento sazonal é crítico para o comportamento de cauda e retornos ajustados ao risco, mesmo que métricas agregadas não detectem isso.

5. Significância e Alegações

O artigo afirma que reestruturar a previsão financeira de aproximação de função para recuperação de distribuição condicional oferece duas vantagens práticas:

1. Evitação de Erro de Especificação: Ao construir previsões diretamente de resultados realizados sob condições comparáveis, o método evita impor famílias paramétricas às distribuições de retorno e evita a necessidade de modelos globais extrapolarem através de regimes heterogêneos.
2. Utilidade Regulatória e Acionável: A abordagem produz previsões interpretáveis (suportadas por análogos históricos nomeados) e mantém a cobertura de cauda próxima aos alvos nominais através de múltiplas crises. Isso aborda diretamente os requisitos regulatórios para adequação de capital (Basileia III), onde a calibração precisa da cauda é primordial.

Os autores observam limitações, incluindo a restrição a um único índice de ações, potencial circularidade na estimação de regime do HMM e a suposição de que o arquivo histórico contém análogos suficientes para cada combinação de regime-calendário. Eles sugerem que trabalhos futuros podem estender o arquivo de recuperação para múltiplas classes de ativos e explorar atualizações de recuperação online.