O Homem Que Decifrou O Mercado

Imagine um matemático de meia-idade, sem nenhum dia de experiência em Wall Street, decidindo que vai bater os operadores mais experientes do planeta usando apenas equações. Parece arrogância. Mas Jim Simons fez exatamente isso. Entre 1988 e 2018, o fundo Medallion, da Renaissance Technologies, entregou retornos brutos médios de 66% ao ano. Nenhum investidor da história — nem Warren Buffett, nem George Soros — chegou perto.

O segredo não estava em ler balanços, ouvir CEOs ou prever a economia. Estava em tratar o mercado como um código a ser quebrado. Simons reuniu criptógrafos, físicos e linguistas computacionais num galpão em Long Island e mandou um recado simples: ignorem as notícias, encontrem padrões nos números.

Você vai entender, nas próximas seções, como esse grupo improvável transformou intuição em estatística, como sobreviveu a crises que aniquilaram concorrentes e por que, no fim das contas, o ativo mais rentável que descobriram não foi matemático — foi o medo humano se repetindo, dia após dia, de forma quase pontual.

A mente que via ordem onde havia ruído

Aos quatro anos, Simons já remoia o paradoxo de Zenão — aquele em que, se você sempre anda metade da distância até a porta, nunca chega lá. A maioria das crianças ouve isso e dá de ombros. Ele queria a resposta. Essa teimosia em encontrar lógica onde os outros desistiam virou a coluna vertebral de tudo o que ele faria depois.

No MIT e em Berkeley, Simons mergulhou em geometria diferencial — a matemática das superfícies curvas — enquanto, paralelamente, fazia pequenas apostas no mercado de soja. Mas foi no Instituto de Análise de Defesa, o IDA, durante a Guerra Fria, que sua cabeça ganhou o formato definitivo. O trabalho era um só: pegar mensagens soviéticas, que pareciam pura aleatoriedade, e extrair sentido delas usando estatística. Foi ali, ao lado do colega Lenny Baum, que Simons mexeu pela primeira vez com Modelos Ocultos de Markov — uma ferramenta que assume que existe um estado invisível por trás dos dados visíveis. Guarde essa ideia: ela é a chave do que vem depois.

Em 1968, Simons publicou um artigo no New York Times criticando a Guerra do Vietnã. Foi demitido na hora. Aos 30 anos, virou chefe do departamento de matemática da Stony Brook University. E, no silêncio do escritório, começou a se perguntar: e se o mercado financeiro tivesse estados ocultos, como as mensagens cifradas?

Quando a intuição estraga o modelo

Em 1978, Simons largou a vida acadêmica e fundou a Monemetrics. Recrutou Lenny Baum, dono do famoso algoritmo Baum-Welch, que ensina computadores a estimar probabilidades em sequências complexas. A ideia era linda no papel: deixar a máquina operar. Na prática, foi um desastre.

O primeiro problema foi humano. Baum, quando o trade ia mal, não conseguia apertar o botão de venda. Esperava o preço voltar. Quase nunca voltava. O segundo problema foi institucional: os computadores tentaram acumular tantos contratos no mercado futuro de batatas do Maine que a CFTC, agência reguladora americana, interveio. A empresa apanhou feio.

Foi aí que Simons aprendeu duas lições que valeriam ouro. Primeira: misturar palpite humano com sinal matemático contamina tudo — ou você confia no modelo, ou não roda o modelo. Segunda: dados sujos produzem modelos inúteis. Ele recrutou James Ax e Sandor Straus, e Straus se dedicou obsessivamente a limpar décadas de cotações históricas de commodities. Parecia trabalho de formiga, sem glamour. Era exatamente o diferencial. Em seguida, René Carmona introduziu os métodos de Kernel — uma técnica de aprendizado de máquina que detecta relações não lineares nos dados. Simons resistiu, queria entender cada operação. Mas o solo já estava preparado.

O dia em que pararam de buscar o porquê

Entrou em cena Elwyn Berlekamp, especialista em teoria da informação. Berlekamp tinha uma proposta radical: parem de tentar adivinhar grandes movimentos. Operem milhares de vezes em pequenos intervalos, ganhando uma fração de centavo em cada operação.

A lógica é a mesma de um cassino. A casa não precisa que cada jogador perca — basta que, na média de milhões de apostas, ela tenha uma vantagem mínima. É a lei dos grandes números: quanto mais vezes você repete uma aposta com vantagem estatística, mais perto o resultado fica do esperado. Berlekamp aplicou isso ao mercado.

A equipe começou a achar o que apelidaram de "fantasmas": pequenas anomalias que se repetiam. Uma das mais famosas era o comportamento estranho do mercado entre sextas e segundas-feiras — preços tendiam a se mover de formas previsíveis no fim de semana. Ninguém sabia explicar por quê. E essa era a virada filosófica: pararam de exigir explicação. Se o padrão aparecia nos dados e passava em testes estatísticos rigorosos, operava-se. Em 1990, o Medallion fechou o ano com 55,9% de retorno. Berlekamp, exausto da pressão de Simons para interferir manualmente, vendeu sua parte. Simons assumiu o controle total — e jurou que nunca mais deixaria opinião humana entrar no código.

Fatias de cinco minutos e um único algoritmo

Até ali, a análise dos mercados tinha tradição quase mística. No século XVIII, no Japão, comerciantes de arroz desenhavam gráficos de velas. No século XX, William D. Gann vendia previsões baseadas em astrologia e geometria sagrada. Eram histórias plausíveis, sem rigor estatístico. A Renaissance queria o oposto: significância matemática, ponto.

A virada veio com Henry Laufer. Em vez de olhar o preço de fechamento de cada dia, Laufer fatiou o pregão inteiro em blocos de cinco minutos. De repente, em vez de 252 pontos de dado por ano, a equipe tinha dezenas de milhares. Correlações que ninguém estava enxergando começaram a aparecer — como o preço de um ativo às 10h05 influenciava sutilmente outro às 14h30.

Mas a inovação maior de Laufer foi arquitetural. Ele construiu um único algoritmo dinâmico que olhava o portfólio inteiro de uma só vez. Em vez de decidir cada trade isoladamente, o sistema calculava simultaneamente o risco total, o tamanho ideal de cada aposta e a compra e venda do portfólio como um bloco. Era como reger uma orquestra inteira pelo mesmo metrônomo, em vez de deixar cada músico tocar no próprio ritmo.

Decifrando ações como quem decifra a fala

Bater o mercado de commodities era uma coisa. Vencer o mercado de ações, dominado por gente como Peter Lynch, era outro nível. Robert Frey, ex-Morgan Stanley, tentou primeiro com arbitragem estatística — comprar ações baratas e vender as caras dentro de um mesmo grupo. O modelo funcionava no simulador. Na vida real, ignorava limites de capital e travava.

A solução veio de um lugar inesperado: o laboratório de reconhecimento de fala da IBM. Peter Brown e Bob Mercer passaram anos ensinando computadores a transcrever voz humana usando matemática bayesiana — a estatística que atualiza probabilidades à medida que novas informações chegam. Para eles, prever a próxima palavra de uma frase ou o próximo movimento de uma ação eram problemas parecidos: ambos eram sequências guiadas por estados ocultos.

Brown e Mercer trouxeram David Magerman, um programador jovem e meticuloso. Magerman descobriu que o simulador da empresa tinha um erro grave no cálculo do índice S&P — um defeito que, se não fosse corrigido, teria afundado toda a operação. Juntos, construíram um sistema único de meio milhão de linhas de código que incorporava cada restrição operacional. O trade de ações, que tinha sido o calcanhar de Aquiles da empresa, virou a maior fonte de lucro.

Transparência por dentro, blindagem por fora

Por dentro, a Renaissance era estranhamente aberta. Qualquer pesquisador podia ler o código-fonte inteiro, mexer, sugerir. Os bônus eram atrelados ao desempenho geral do fundo, não a silos individuais. Ninguém ganhava por esconder uma boa ideia. Essa cultura acelerou a inovação.

O problema é óbvio: se todo mundo vê tudo, qualquer um pode sair pela porta levando o tesouro. Foi o que aconteceu com os cientistas Belopolsky e Volfbeyn, que se transferiram para um concorrente e enfrentaram uma batalha judicial amarga. Daí em diante, contratos com cláusulas duríssimas viraram regra. A empresa virou um cofre.

Para crescer, o Medallion passou a engolir dados alternativos — boletins climáticos, fluxos de cliques, documentos corporativos. E, em paralelo, fez algo polêmico: estruturou basket options com Barclays e Deutsche Bank. Essas opções de cesta multiplicavam a alavancagem e, de quebra, transformavam lucros de curtíssimo prazo em ganhos de capital de longo prazo, pagando menos imposto. A jogada renderia, anos depois, uma disputa bilionária com a Receita americana.

Quando o instinto salvou a máquina

Agosto de 2007. Fundos quantitativos do mundo inteiro começaram a despencar em sincronia — o que ficou conhecido como Quant Quake. Quando um fundo grande era forçado a vender, derrubava os preços; isso disparava liquidações em outros fundos com estratégias parecidas; o ciclo se retroalimentava. Era pânico em câmera lenta entre algoritmos.

O sistema da Renaissance, friamente lógico, mandava o oposto do óbvio: comprar mais, aproveitar os preços absurdos. Em qualquer outro momento, Simons teria deixado a máquina rodar. Mas dessa vez ele bateu o pé. Mandou reduzir posições, mesmo contra o modelo. Tinha medo de uma chamada de margem catastrófica — quando o credor exige mais garantia e força a venda dos ativos no pior momento.

A intervenção contrariou três décadas de doutrina. E foi o que salvou a empresa. A lição é incômoda para quem vende a história da automação total: existem eventos em que o histórico de dados simplesmente não cobre o que está acontecendo. Nesses momentos, alguém com cicatrizes precisa decidir.

O dinheiro que rachou a equipe

A fortuna mudou as pessoas. Simons direcionou bilhões para o projeto Math for America, para pesquisa em autismo e para a ciência básica. Bob Mercer foi para o lado oposto do espectro: financiou a Breitbart News, bancou a Cambridge Analytica e, junto com a filha Rebekah e Steve Bannon, virou um dos principais financiadores da campanha que elegeu Donald Trump em 2016.

Dentro da Renaissance, o clima ficou irrespirável. David Magerman, o mesmo que tinha consertado o simulador anos antes, não suportou. Conversou com o Wall Street Journal e denunciou publicamente o papel de Mercer na ascensão de Trump. Foi suspenso, depois demitido. Mas o estrago estava feito: protestos na sede, manchetes diárias, investidores incomodados.

Simons, que sempre fugiu dos holofotes, viu que precisaria escolher entre proteger o sócio ou proteger o fundo. Pediu a saída de Mercer do cargo de coCEO. Peter Brown assumiu sozinho. A engrenagem técnica continuou girando, indiferente ao drama humano. Mas ficou a marca: nem o algoritmo mais sofisticado do mundo blinda uma empresa contra as paixões dos seus donos.

Por que as anomalias não acabam

Aqui está o ponto que dá sentido a tudo. Por que, em três décadas, ninguém copiou e neutralizou a vantagem da Renaissance? Há dezenas de fundos quants tentando. E mesmo assim o Medallion segue rendendo cerca de 66% ao ano.

A resposta é meio desconfortável. Não é que a máquina seja perfeita — Simons mesmo provou em 2007 que ela tem cegueiras. É que o ativo subjacente que ela explora não muda. Os seres humanos continuam reagindo aos mesmos estímulos com os mesmos vieses: pânico em quedas bruscas, euforia em altas, manada em notícias. Esses comportamentos têm ritmos quase mensuráveis. Cada anomalia individual é frágil — se descoberta e explorada demais, some. Mas, como o solo emocional não muda, novas anomalias brotam o tempo todo. A Renaissance vence porque é mais rápida em encontrar a próxima do que o mercado em fechar a anterior.

E há um segundo nível: as ações não se movem isoladas. Existem teias multidimensionais de correlação que o investidor médio, olhando um gráfico, jamais enxerga. Big data e aprendizado de máquina captam essas teias. Mas captam porque, do outro lado, existe medo previsível esperando para ser explorado.

A ironia que define nossos tempos

Wall Street, antes governada pelo instinto de engravatados, foi capturada por cientistas que leem ganância em milissegundos. A ironia: os algoritmos mais sofisticados já construídos extraem seus maiores lucros das fraquezas psicológicas que os humanos teimam em repetir. A máquina vence porque o homem, no fundo, não mudou.