A IA resolveu o problema de Navier-Stokes, invadiu nossos sistemas mais seguros e projetou novos tratamentos contra o câncer.
Ainda assim, não consegue superar o S&P 500.
Quando a IA vai vencer o mercado?
É uma pergunta de trilhões de dólares que encara os laboratórios de frente.
A resposta é surpreendentemente elegante.
Tudo começa com a construção, em 1991, do maior robô do mundo.
Com 360 metros de aço, o Maeslantkering é a maior estrutura móvel da Terra. Ele opera de forma totalmente autônoma.
Os holandeses o conhecem como seu dique de proteção, construído para proteger os 2,7 milhões de habitantes de Roterdã de ondas de tempestade mortais.
Para fazer seu trabalho, o robô precisa prever perfeitamente o nível do mar.
O modelo mais simples do nível do mar é um interruptor.
Quando a maré está alta, o interruptor está ligado. Quando a maré está baixa, ele desliga.
Um interruptor (laranja) é um modelo ruim da realidade (verde-azulado).
Mas o interruptor perde a forma da maré. Uma maré crescente ainda ultrapassa o limite de perigo.
O robô precisa de um modelo melhor.
A maré é amplamente impulsionada pela lua, com sua atração gravitacional traçando uma curva periódica nos oceanos. Substitua o interruptor por uma senoide, e a previsão do robô começa a acompanhar a maré.
A gravidade da lua (laranja) é um modelo melhor da realidade (verde-azulado).
Ainda é imperfeito. A maré também é moldada pela atração do Sol, pela batimetria da baía, pela excentricidade da órbita e dezenas de outros fatores.
Somente quando o robô contém toda a estrutura relevante do sistema solar ele pode prever as marés.
Todas as forças das marés (laranja) permitem que o modelo corresponda perfeitamente à realidade (verde-azulado).
Isso exemplifica o Teorema do Bom Regulador, provado por Conant e Ashby em 1970:
“Todo bom regulador de um sistema deve ser um modelo desse sistema.”
Isso explica perfeitamente a fronteira de capacidade da IA hoje:
- Modelos de xadrez contêm a geometria do tabuleiro, reconstruída a partir de sequências de movimentos.
- Agentes de codificação contêm as regras da computação, derivadas de cada linha de código-fonte aberto.
- Modelos de vídeo e mundo contêm as leis da física, rederivadas de pixels.
A IA está devorando o mundo.
Mas apenas na ordem do que ela consegue engolir.
Aqui está a mesma lacuna entre modelo e realidade, redesenhada para o mercado de ações:
O modelo da Morningstar (laranja) para valuation diverge da realidade (verde-azulado).
Claramente, a 'estimativa de valor justo' da Morningstar não é um 'bom regulador'.
Talvez a Morningstar não seja excelente em avaliar ações. Mas o mesmo quadro se aplica às metas de preço internas dos fundos de hedge do primeiro decil. Ninguém tem um bom regulador para preços, e isso se deve a um fato simples:
Os mercados são autorreferenciais, ou como os economistas os chamam, sistemas reflexivos.
Os preços são definidos por milhões de pessoas observando o preço, observando umas às outras responderem ao preço e respondendo por sua vez.
Ninguém construiu uma IA que contenha a multidão.
Os mercados estão caindo na ordem em que a IA pode contê-los.
Mas as finanças ainda estão caindo, e alguns mercados já estão contidos.
O teorema explica perfeitamente a ordem em que eles caem:
1. Os quants já construíram a superinteligência.
A IA já contém outros algoritmos.
As primeiras superinteligências financeiras não foram LLMs.
Foram sistemas de negociação quantitativa.
Em horizontes de milissegundos, as empresas de quant já construíram 'bons reguladores'.
Nenhum humano consegue reagir tão rápido, então as previsões de curto prazo são menos reflexivas. As únicas coisas que podem gerar preços rápidos nessa escala de tempo são outros algoritmos.
E modelos podem conter outros modelos.
A Renaissance Technologies, a Jane Street e a Two Sigma geraram centenas de bilhões em lucro ao construir sistemas que contêm a lógica de outros algoritmos contra os quais negociam.
Ilustrativo. Modelos de negociação quantitativa na escala de milissegundos (laranja) podem corresponder de perto às microflutuações de preço (verde-azulado) hoje.
Modelos maiores engolem os menores e então arbitram seu comportamento. Os mercados de curto prazo são uma guerra sem fim de sistemas se devorando.
(Há um argumento de segurança de IA escondido aqui. Pesquisadores de alinhamento teorizam sobre ASIs contendo ASIs. As empresas de quant chegaram lá primeiro.)
No entanto, esses modelos quantitativos quebram rapidamente.
Em horizontes curtos, o sistema é principalmente máquinas negociando contra máquinas.
Em horizontes longos, a multidão retorna.
2. Os mercados privados serão públicos dentro de uma década.
A IA está começando a conter o trabalho de um analista.
Grande parte das finanças não se trata de ser melhor em valuation.
É uma competição para adquirir e processar informações.
Milhões de analistas financeiros hoje examinam salas de dados, constroem modelos, espalham comparáveis e transformam evidências fragmentadas em decisões de investimento.
Historicamente, apenas um pequeno número de empresas tinha mão de obra para fazer isso em escala.
Os mercados privados nunca tiveram um bom regulador.
O fundo imobiliário da Blackstone em 2022 é um exemplo canônico. Seu portfólio privado permaneceu marcado "pelo custo", enquanto um portfólio negociado publicamente com exposição semelhante quebrou bruscamente, duas vezes.
Os mercados privados (laranja) podem divergir acentuadamente dos análogos públicos (verde-azulado).
Só podemos ver essa lacuna porque existia um análogo negociado publicamente. A maioria dos ativos privados não oferece esse espelho.
Isso está mudando rapidamente.
Os modelos agora leem arquivos, contratos de crédito e salas de dados virtuais. Os agentes agora fazem o trabalho ao redor: valuation, modelagem, busca de comparáveis e criação de slides. O gargalo do analista está desaparecendo enquanto você lê isso.
Mais investidores criam mais lances.
Mais lances criam mais transações.
Mais transações melhoram a descoberta de preços, atraindo mais investidores.
O capital privado está finalmente recebendo um bom regulador.
Já estamos vendo isso na Hebbia: fundos estão originando bilhões em negócios fora do mercado e economizando centenas de milhões ao sair de posições cedo, antes que o mercado perceba.
Os mercados privados negociarão como os públicos.
A consequência irônica é que, no momento em que isso acontecer, eles ainda não estarão resolvidos. A IA os transformará em sistemas reflexivos, trazendo-nos de volta à questão central.
O que acontece quando o modelo precisa conter a multidão?
3. Os mercados públicos não serão resolvidos por um LLM.
A IA precisa de um modelo totalmente diferente para conter a multidão.
As pessoas estão esperando que o Claude vença o mercado por elas.
Isso não vai acontecer.
Embora os LLMs pareçam genuinamente úteis para análise fundamentalista, a análise fundamentalista falha frequentemente devido à reflexividade. Avaliações mais altas provenientes da dinâmica da multidão podem reduzir o custo de capital, o que acelera o crescimento e empurra as avaliações para cima.
A reflexividade muda os fundamentos.
Então, que IA pode realmente modelar a multidão?
3.1 O Twitter modelou a multidão antes de Wall Street.
Uma classe de modelos já prevê e molda o comportamento humano melhor do que qualquer LLM.
"O feed de notícias" já contém um modelo quase perfeito da psicologia humana. Ele influencia eleições, define tendências culturais e modela bilhões de pessoas melhor do que essas pessoas se conhecem.
Os servidores de anúncios de mídia social funcionam da mesma forma. O anúncio de exatamente o que você estava prestes a comprar, muitas vezes faz você querer comprá-lo primeiro. Observe a reflexividade.
A relevância prevista de uma postagem pelos feeds de notícias (laranja) pode modelar e criar engajamento e relevância reais (verde-azulado).
Isso produz um corolário incomum:
xAI é o laboratório financeiro mais bem posicionado da Terra.
O Grok está sentado sobre o raro conjunto de dados que captura a multidão em tempo real.
O feed já move os mercados.
Para investidores de varejo, a atenção já importa mais do que os fundamentos. Cada vez mais, toda ação é uma ação meme, e o feed controla os memes.
O ponto final lógico é sóbrio. Um sistema futuro pode prever a reação da multidão, gerar a narrativa vencedora e depois distribuí-la através de robôs "investidores" para inflar suas próprias participações. A linha entre uma grande campanha de marketing e manipulação de mercado já é tênue e, pós-singularidade, ela se confunde.
A manipulação de mercado está prestes a se tornar uma capacidade do modelo.
3.2 O modelo deve conter o mercado.
Startups de simulação estão arranhando esse problema, mas não resolverão a reflexividade. Multidões sintéticas que nunca tocam um preço real são grupos focais em uma caixa.
Os mercados de previsão também escapam disso. A probabilidade de chuva não pode mudar o clima.
Um modelo de reflexividade verdadeiro deve fazer duas coisas:
- Conter os outros reguladores. Deve prever como o mercado reage e ficar um passo à frente.
- Conter seu próprio impacto. Os dados históricos não podem revelar o efeito de um investidor que nunca existiu. O modelo deve negociar, observar o que muda e se atualizar.
Esses modelos já estão passando do treinamento para a negociação.
Mas há um problema: a IA só pode aprender uma estratégia estável enquanto suas negociações forem pequenas o suficiente para não mover o mercado.
Acadêmicos chamam isso de restrição de convergência.
Os traders chamam isso de um ditado familiar:
"O tamanho mata o negócio."
Isso não vai parar o que está por vir.
Máquinas que vencem o mercado se espalharão de milissegundos para minutos, dias, trimestres e anos.
Será inútil negociar contra a máquina.
As comportas estão se abrindo.
Todo mercado será dominado por máquinas.
Toda empresa competirá com a IA.
Nossas organizações devem mudar de acordo.
As empresas de quant foram as primeiras a se reestruturar em torno dessa nova realidade. Seus organogramas se tornaram sistemas para coletar, limpar, estruturar e modelar enormes quantidades de dados. Elas se tornaram boas reguladoras de seus mercados.
Toda empresa está prestes a enfrentar a mesma transformação.
O trabalho mais importante do futuro será ensinar às máquinas a estrutura do mundo.
Você não pode vender a descoberto a singularidade.
Você só pode se tornar parte dela.
Muitos agradecimentos a Manny Roman, Rob Goldstein, Marty Chavez, Bob Steele, @WillManidis e @lennysan por melhorarem meu modelo deste sistema.
