Introdução à Inteligência Artificial 💡

No nosso aniversário de 19 anos de Trader Gráfico, em 10 de Maio de 2024, nós lançamos a terceira geração de nossos robôs e day-trade de inteligência artificial (IA) e também anunciamos o lançamento no curto prazo da quarta geração dos robôs de IA. Mas você sabe o que é e como funcionam sistemas de Inteligência Artificial?

O termo "Inteligência Artificial" não é novo, já faz mais de uma década que estamos convivendo com notícias e ferramentas que cunham este termo, mas apenas depois do lançamento do ChatGPT no final de 2022 que o termo ficou famoso para o público em geral, embora a IA já fosse amplamente reconhecida e utilizada em diversos setores como saúde, finanças e automotivo. É o famoso "ver para crer" do ser humano.

Por definição, a Inteligência artificial, ou IA, ou ainda AI (lê-se "ei-ai", do inglês artificial intelligence) é um campo da ciência da computação dedicado à criação de sistemas que podem realizar tarefas que normalmente requerem inteligência humana. Isso inclui coisas como raciocinar, aprender, perceber, tomar decisões, compreender a linguagem e operar na bolsa.

Capacidades e Aplicações da IA

O objetivo da IA é simular a capacidade cognitiva humana. Dentro da IA, existem vários subcampos, como processamento de linguagem natural (fazer o computador entender e responder em português, inglês e outras línguas humanas), robótica, visão computacional e outras atividades complexas que envolvem tomada de decisão baseada em dados, experiência adquirida e regras pré-determinadas. E a IA pode ser programada para realizar uma variedade de tarefas complexas, desde dirigir carros autônomos até realizar diagnósticos médicos e jogar jogos de estratégia complexos como xadrez, além de, mais uma vez, operar na bolsa.

Da mesma forma que seres humanos, sistemas de IA possuem diferentes níveis de inteligência. O sistema atualmente mais "inteligente" de todos é o ChatGPT-4, que está na categoria de LLMs (large language models, ou modelos de linguagem grandes). As LLMs são modelos de inteligência geral, que servem a muitos propósitos distintos e acabam, pela primeira vez na história, se comportando como algo próximo (não muito, mas já reconhecível) de um ser humano. Grosso modo, fazendo um paralelo muito simplista e sem querer ofender, apenas para explicar metaforicamente de forma bem simples o que isso significa, você pode ser comparado a uma LLM com um corpo físico (embora LLMs sejam avançados em processamento de linguagem, eles não possuem consciência ou entendimento holístico e ainda estão longe de replicar a inteligência humana em todas as suas capacidades, novamente estou fazendo uma comparação grosseira para exemplificar que isso já pode ser observado no horizonte futuro).

E é esta semelhança com o nosso "eu" que tornou as LLMs tão famosas e gerou o boom de desenvolvimentos de modelos de IA semelhantes ao ChatGPT, tanto proprietários, como Claude da Anthropic e Gemini do Google, como Open-source (código aberto) como o Llama3 do Facebook.

Machine Learning (ML), um Subconjunto da IA

Mas as LLMs não são a resposta para tudo, elas oferecem um certo nível de solução e ajuda rápida para muitas tarefas desempenhadas por humanos, como programação de computadores, mas como são genéricas, elas acabam não sendo (ainda) os melhores modelos para tarefas extremamente específicas, como dirigir um carro, jogar xadrez ou operar na bolsa. Neste caso, ficar falando com a gente é dispensável, e o foco destas IA específicas é realizar determinada tarefa. E o Trader Gráfico possui também uma LLM, que chamamos de Ayrton e que pode conversar com você neste link: https://chat.ayrton.ai. O Ayrton também responde o nosso WhatsApp de Suporte do Trader Gráfico no número (11) 2122-4044, mas diferente do site de "chat", no WhatsApp ele só fala sobre Trader Gráfico!

E aqui entra um novo termo, o Machine Learning (ML) ou Aprendizado de Máquina.

Machine learning, ou ML, é um subconjunto da inteligência artificial que foca na construção de sistemas capazes de aprender a partir dos dados e fazer previsões ou tomar decisões sem ser explicitamente programados para isso. Ele usa algoritmos estatísticos para interpretar, processar e aprender a partir de dados históricos (como os robôs de day trade). E o aprendizado pode ser supervisionado (quando nós damos o histórico e os resultados e treinamos o sistema para encontrar padrões nos dados que levem aos resultados desejados), não supervisionado (o sistema fica livre para encontrar os padrões para chegar a um objetivo sem ter os dados dos resultados previamente carregados), semi-supervisionado (mistura dos dois anteriores) ou por reforço (fazer o sistema aprender com os dados e tomar decisões com base em novos dados que não estavam previstos antes, também relacionado com redes neurais e "deep learning", ou aprendizado profundo, que é muito semelhante a como os humanos aprendem, e esta é uma técnica muito utilizada em robótica... e para operar robôs de day trade).

A Relação entre IA e ML

Eu vou detalhar mais profundamente as técnicas específicas de IA e ML voltadas para robôs de day trade no meu próximo livro, que deve ser lançado no começo e 2025.

Machine learning é uma maneira de alcançar inteligência artificial. Enquanto a IA é o campo geral que cobre tudo que se relaciona a tornar as máquinas capazes de executar tarefas inteligentes, ML é um método específico de implementar a inteligência artificial, enfatizando o aprendizado automático a partir de dados. Portanto, todos os sistemas de ML são formas de IA, mas nem todos os sistemas de IA utilizam ML. Por exemplo, sistemas de IA baseados em conjuntos de regras complexas e lógica programada (como os primeiros programas de xadrez) podem não envolver machine learning (no entanto, existem variantes especializadas de machine learning e modelos de deep learning que são justamente projetados para excelência em tarefas específicas, como veículos autônomos utilizando redes neurais convolucionais para visão computacional, este é um campo em constante evolução).

Análise Técnica e IA nos Robôs de Day Trade

Como expliquei até aqui, os sistemas de IA são criados para executar tarefas complexas que envolvem tomada de decisão e treinamento sobre uma base de dados histórica. As primeiras duas gerações de robôs de IA individuais do Trader Gráfico, chamadas de Carlisom (Geração 1) e M190 (Geração 2) foram ambas desenvolvidas com o uso das mesmas técnicas usadas nos robôs que jogam xadrez, que são processamento de regras complexas, análise estatística e lógica programada. Entretanto os modelos de machine learning são cada vez mais comuns nesta área, tanto gerando os sistemas inteiros como operando sobre sistemas já construídos utilizando regras complexas e lógica programada.

Mas e a Análise Técnica? Vamos retroagir a conceitos para explicar isso. A Análise Técnica, em seu fundamento, é o reconhecimento de padrões geométricos dentro de gráficos de preços históricos que levam a um viés positivo na tomada de decisão de compra e venda em sistema de trading. De certa forma, é uma versão rudimentar e simplificada do que fazemos atualmente com análise estatística e machine learning. Portanto a Análise Técnica pode ser visto como um embrião do uso de ML para trading.

Exemplos Práticos 📊

Vamos dar exemplos práticos usando os robôs do Trader Gráfico.

Os robôs do Top Hedger, lançados em 2012 (e ainda ativos), usam um mix de análise estatística com análise técnica. Os robôs Carlisom (primeira geração de robôs IA), que vieram em 2017, começam a usar a análise de regras complexas e lógica programada sobre a base de dados de sinais dos robôs Top Hedger. E os robôs TGautobot_C1 e TGautobot_V1, lançados no primeiro semestre de 2022 (antes do ChatGPT!), que compõem o que chamamos de Robô IA M190 (a nossa segunda geração IA) utilizam toda a base de sinais históricos dos robôs de análise técnica e IA de primeira geração, para fazer uma análise estatística profunda de dados para "aprender" com os movimentos do passado e se adaptar ao mercado, olhando sempre para os sinais que estão performando bem no mercado atual.

Neste outro artigo específico sobre o lançamento dos robôs IA do Trader Gráfico de terceira e quarta gerações eu dou exemplos práticos e comparo dados entre os robôs de segunda e terceira geração já disponíveis: https://tradergrafico.com.br/blog/?id=117.

Erros da IA ❗

"ChatGPT can make mistakes. Check important info." Esta frase fica fixa no rodapé do site do ChatGPT e de outros modelos de IA.

Isso significa que muita tecnologia não impede os sistemas IA de errar! Se você jogar cara ou coroa para decidir se compra ou vende no mercado, você possui 50% de chances de acertar. Mas como operar tem seus custos (corretagem, emolumentos, softwares, servidores, tempo de mão de obra, impostos etc) você não tem um jogo de soma zero, isso significa que a pessoa que ganha não fica com o valor da pessoa que perde, uma parte vai para o mercado. Num exemplo bem simplificado, se você ganhasse ou perdesse sempre R$ 50 quando decidisse entrar em uma operação, e o seu "Custo Geral por Trade" fosse de R$ 1 (significa que para entrar e sair de uma operação você precisaria pagar R$ 1), então cada vez que você ganhasse, receberia R$ 49 (R$ 50 do trade menos R$ 1 dos custos) e cada vez que perdesse, pagaria R$ 51 (R$ 50 do trade mais R$ 1 dos custos). Então você não pode operar com base nos 50% da aleatoriedade, é obrigatório que você tenha um viés positivo e é aqui que encontramos as diversas soluções para aumentar estas chances, desde cursos e livros, até fundos de investimentos, softwares e "gurus".

Resumindo, sistemas de IA para operar na bolsa são criados para aumentar as taxas de acerto, mas encarar perdas momentâneas é uma condição imutável desse mercado. Acertar 70% das vezes é algo incrível, fazer isso por um curto período de tempo é comum. Fazer isso por 2 anos é raro, fazer isso por 10 anos ainda é um alvo a ser atingido. Mas isso não nos impede de lucrar usando alavancagem mesclada com uma exploração intensiva de períodos bons e uma mitigação de riscos em períodos ruins ou desfavoráveis. E a IA é perfeita para esse momento dos períodos ruins, pois ela foi feita justamente para tomar decisão, entender dados passados e se adaptar.

Explorando a Correlação entre Resultados e Taxa de Juros

O Pessimista acha que o vento nunca vai ficar a favor, o Otimista sempre espera que o vento mude, o Realista ajusta as velas.

A IA no day trade é um sistema Realista. E a terceira geração de robôs de IA do Trader Gráfico faz exatamente isso, ela usa modernas técnicas de reinforcement de machine learning para usar o histórico operacional da segunda geração de IA a favor dos trades. Aqui neste vídeo (https://youtu.be/svmyx4fqHJ0) eu apresento a correlação dos resultados acumulados do Robô IA M190 com a taxa de juros da economia americana representada pela TNX, como é possível ver nos dados apresentados, a correlação é nítida, e usar técnicas de ML para explorar esses dados é extremamente importante. Os desafios específicos que sempre enfrentamos ao aplicar IA e ML no trading são os mesmos do uso de Análise Técnica e Estatística, como o sobreajuste (overfitting) e a volatilidade do mercado, por isso aplicar IA no trading não é apenas uma questão técnica para desenvolvedores de IA, envolve experiência profunda na realidade do trading.

A Quarta Geração de Robôs IA e Perspectivas Futuras 🔮

Se você chegou até aqui, deve estar pensando que o que estamos fazendo agora em 2024 é muito semelhante em conceito e lógica com o que fizemos em 2022 e em 2017. É uma nova camada de "aprendizado", com mais dados e melhor assertividade, mas não é propriamente uma "novidade". E devo admitir que embora a terceira geração se encaixe em definitivo no termo "deep learning", pois ela cria uma terceira camada de dados que gera informações que serão retroalimentadas no sistema e serão usadas pelos robôs de segunda geração nos trades futuros, que terão dados ainda melhores para a própria terceira geração (o nome técnico disso é RNN, ou redes neurais recorrentes, o que não é novo), ela não usa técnicas muito diferentes das anteriores, apenas mais modernas e mais aprimoradas.

Entretanto, isso não se aplica à quarta geração. Usando a lógica de treinamento de transformers (esquece o filme de carros, eu estou falando do "T" em GPT, uma técnica usada em processamento de linguagem natural, veja mais detalhes neste paper clássico sobre o tema: https://arxiv.org/abs/1706.03762) nós podemos analisar o mercado de uma forma ainda mais assertiva, desde que você tenha muitos e muitos anos de dados acumulados... que é exatamente o que temos no Trader Gráfico e ferramentas com capacidade de analisar esses dados gigantescos, que também temos hoje em dia. E isso é tudo o que vou dizer por enquanto, uma demonstração dos Robôs IA G4 do Trader Gráfico chegará em breve. Até lá.