Um experimento com inteligência artificial indica que a maioria dos grandes fundos brasileiros segue padrões suficientemente reconhecíveis para que seus próximos movimentos de compra ou venda sejam antecipados por algoritmos. O levantamento foi realizado pela Hurst Capital a partir de dados públicos da Comissão de Valores Mobiliários (CVM) e mostra que modelos de machine learning superaram uma estratégia básica de previsão em 76% dos fundos analisados.

O estudo foi inspirado no working paper “Mimicking Finance”, publicado pelo National Bureau of Economic Research (NBER) em 2026, no qual pesquisadores demonstraram que algoritmos conseguiram antecipar decisões de gestores nos Estados Unidos com 71% de acurácia. A partir dessa provocação acadêmica, a hipótese foi testada na realidade brasileira.

Foram reconstruídas mais de 200 mil operações realizadas por 174 fundos locais com patrimônio líquido superior a R$ 500 milhões. Em seguida, modelos de machine learning foram treinados para prever as próximas alocações. O diferencial metodológico foi o uso de redes neurais do tipo LSTM (Long Short-Term Memory), capazes de analisar sequências temporais e identificar padrões comportamentais ao longo do tempo, diferentemente de modelos tradicionais que avaliam apenas dados pontuais.

No Brasil, o modelo alcançou 68% de acurácia média. Mais relevante, porém, foi o fato de que em 76% dos fundos analisados a inteligência artificial conseguiu prever o próximo movimento, (comprar, manter ou vender) com desempenho superior a uma estratégia considerada ingênua (naive).

Para Arthur Farache, CEO da Hurst Capital, os resultados reforçam uma transformação estrutural na indústria de investimentos. “A tecnologia está encurtando a distância entre informação e decisão. Se o processo de gestão for excessivamente padronizado, ele se torna replicável e, portanto, menos diferenciado”, afirma.

O estudo também trouxe uma conclusão considerada ainda mais provocativa: os gestores classificados como “imprevisíveis” pelo modelo apresentaram, em média, retornos significativamente superiores. Em outras palavras, quanto mais difícil foi para a máquina antecipar o comportamento do gestor, maior tende a ser o desempenho obtido.

“Isso sugere que o verdadeiro alpha pode não estar em estratégias lineares ou totalmente modeláveis. O prêmio real está na capacidade de gerar assimetria e romper padrões históricos que uma inteligência treinada com dados passados consegue identificar”, diz Farache.

Segundo ele, o avanço da inteligência artificial impõe um novo desafio à indústria. “Estar entre os 76% previsíveis pode significar risco de comoditização. O investidor começa a questionar por que pagar taxas elevadas por algo que um algoritmo consegue reproduzir com alto grau de acerto”, afirma.

Para ampliar a transparência, o autor do estudo desenvolveu um dashboard interativo com a metodologia completa, incluindo o processo de extração dos dados da CVM, comparativos por estilo de fundo, como Macro, Ações e Long/Short, e o desempenho dos diferentes modelos utilizados, como LSTM e regressão logística.

A pesquisa está sendo apresentada como um projeto aberto a contribuições de gestores, alocadores e profissionais quantitativos, com o objetivo de aprofundar o debate sobre previsibilidade, eficiência e geração de alpha na indústria brasileira.

“O avanço da IA não elimina o gestor, mas eleva o nível de exigência. A diferenciação passa a depender menos de padrão e mais de visão estratégica, timing e leitura de contexto”, conclui Farache.