Desenvolvendo uma estratégia de trading com OpenAI

Como uma simples tentativa resultou em sucesso

Quando eu experimentei pela primeira vez o novo modelo o1 da OpenAI, não fiquei inicialmente impressionado. Ao contrário dos modelos tradicionais de linguagem, onde esperamos uma resposta instantaneamente, os novos modelos da OpenAI demoram mais a processar e gerar respostas – um processo que podemos chamar metaforicamente de “pensar”. E, parece que isso leva tempo.

Na verdade, demorou tanto que eu precisei atualizar meu código de aplicação porque estava constantemente enfrentando timeouts. Eu não sabia que o novo normal era esperar 5 minutos antes de obter uma resposta.

No entanto, esse “pensar” vale a pena, porque eu criei uma estratégia de trading algorítmica que significativamente supera o mercado.

E fiz isso por acidente… na minha primeira tentativa. Estou chocado.

Como criei uma estratégia de trading algorítmica usando um LLM

Primeiro, vamos falar sobre como criei uma estratégia de trading algorítmica usando o modelo o1.

Eu construí minha plataforma de trading algorítmico NexusTrade para trabalhar com qualquer Modelo de Linguagem Grande. Enquanto o backend permite o uso com Gemini, modelos open-source como Llama e outros LLMs, o frontend atualmente só suporta modelos da OpenAI e da Anthropic.

Como funciona: um processo em múltiplas etapas.

1. Enviar Pedido: A mensagem do usuário é enviada ao servidor.
2. Classificar Pedido: A partir de uma lista de prompts, como o “Prompt do Screenner de Ações”, o “Prompt para Criar Portfólio” e o “Prompt de Análise Fundamental”, o modelo determina o prompt mais relevante para processar o pedido.
3. Encaminhar ao Prompt: Enviar a mensagem ao prompt mais relevante e obter uma resposta.
4. Pós-processar Resposta: Dependendo do prompt, realizamos ações adicionais. Por exemplo, com o prompt “Prompt do Screenner de Ações”, geraremos uma query SQL, a qual será executada na etapa de pós-processamento.

Quando o modelo interpreta que o usuário deseja criar estratégias de trading, ele cria uma “cadeia de prompts”.

Primeiro, criamos o esboço do portfólio, incluindo seu nome, o valor inicial e uma descrição das estratégias.

Depois, a partir da descrição das estratégias, criamos um esboço da estratégia. Isso inclui nome da estratégia, uma ação (“comprar” ou “vender”), o ativo que queremos comprar, uma quantidade (por exemplo, 10% do seu poder de compra ou 100 ações) e uma descrição de quando queremos realizar a ação.

Finalmente, repetimos esse processo para as condições e transformamos a descrição em uma condição que pode ser interpretada pelas funcionalidades de backtesting e trading ao vivo do NexusTrade.

Esse processo nos permite criar portfólios usando IA.

Agora, antes dos modelos o1 da OpenAI, a IA era altamente literal. Ela criava o que você pedia, mas não era muito boa em gerar suas próprias ideias. Era toda a responsabilidade do usuário articular o que desejava e iterar sobre sua ideia.

É por isso que fiquei chocado ao ver este novo modelo criar uma estratégia de trading ALTAMENTE lucrativa na sua primeira tentativa.

A diferença que o “pensar” faz ao desenvolver estratégias de trading algorítmicas

Para mostrar como isso é insano, usarei os mesmos prompts para criar dois portfólios. O primeiro portfólio será criado pelo GPT-4. O segundo portfólio será criado com o GPT-o1-mini. Não há diferença nos prompts que usei para criar esses portfólios.

Criando um portfólio com GPT-4

Para criar um portfólio, fui ao Chat de IA e disse o seguinte:

1. Eu: Crie um portfólio chamado Omni com um valor inicial de $10.000.
2. Aurora: Que estratégia você gostaria de implementar em seu portfólio chamado “Omni”? Por exemplo, você pode especificar condições para comprar ou vender uma ação ou criptomoeda específica.
3. Eu: Quero uma estratégia de cruzamento de SMA em TQQQ. Quero uma estratégia de lucro, mas sem stop losses – sou otimista em relação à tecnologia a longo prazo e não quero ser stoppado. Também quero espaçar minhas compras e não ir com tudo de uma vez.

Na minha primeira tentativa, aqui está o portfólio que criei com o GPT-4.

Como podemos ver, isso… não é muito bom. O retorno percentual é muito pior do que apenas manter o SPY, o retorno ajustado para risco é muito pior, e fez um enorme número de transações (que na vida real tem implicações fiscais, diminuindo ainda mais seus lucros realizados).

Em contraste, aqui está o portfólio que criei com o novo modelo o1.

O portfólio excepcional criado com o GPT-o1

O processo de criar este portfólio é literalmente o mesmo. A única diferença entre essas duas solicitações foi que utilizei um modelo mais robusto.

No entanto, os resultados são impressionantes.

Este portfólio é tão melhor que é quase inacreditável. Essa estratégia supera o mercado de quase todas as formas imagináveis.

1. A variação percentual é 3x maior que a de manter o SPY, atingindo 268%.
2. O índice de sharpe é muito maior, em 0,71 comparado a 0,51.
3. A máxima perda é 37%, comparada à perda de 34% ao manter o SPY.
4. Por outro lado, a perda média é, de alguma forma, menor, em 4,35%, comparado à perda média de manter o SPY, que é de quase 7%.

Isso é… simplesmente uau. Não só é muito mais lucrativo, mas de alguma forma é menos arriscado? Isso é incrível.

Discussão mais profunda sobre esses resultados

Depois de ver esses resultados pela primeira vez, fiquei boquiaberto e decidi investigar – o que este modelo estava fazendo que o GPT-4 não estava?

Descobri esse detalhe crítico: ao gerar a condição de venda para essa estratégia, o GPT-4 estava vendendo se as posições subissem um pouco, em 0,15%.

Em contraste, o portfólio criado pelo modelo o1 da OpenAI venderia se o preço médio de 14 dias da ação subisse 15% ou mais.

Imagino que o modelo criado pelo GPT-4 estava apenas vendendo muito cedo. Fiz um pequeno ajuste no portfólio criado com o GPT-4.

No final, este portfólio também teve retornos impressionantes que superaram o mercado.

Claramente, o modelo o1-mini teve uma compreensão melhor de como criar um portfólio válido para meu aplicativo sem a necessidade de iteração. Em contraste, o modelo GPT-4 necessitou de um pouco mais de ajuda de um usuário experiente. No final, ambos os portfólios tiveram retornos extraordinários que superam o mercado.

Próximos passos deste experimento

Neste momento, esses resultados são puramente de backtesting – eles mostram o que teria acontecido se tivéssemos implantado esse portfólio no passado. Isso é útil, mas não é suficiente. Precisamos ver o que aconteceria se implantássemos esses portfólios agora.

Portanto, estou implementando essas estratégias ao vivo no mercado e monitorando como elas irão se desempenhar no futuro.

No NexusTrade, implantar uma estratégia de trading algorítmica é literalmente com um clique de botão. Nas próximas semanas, colocarei a IA à prova – será que realmente pode criar estratégias de trading lucrativas, ou foi apenas sorte durante o backtest?

Somente o tempo dirá.

Considerações finais

A IA revolucionará todos os setores, e as finanças não são exceção. Este experimento prova que, pelo menos, a IA pode ajudar a aumentar suas decisões de trading. É muito cedo para concluir que portfólios gerados somente por IA são inerentemente superiores, mas o incrível sobre este experimento é que esses portfólios foram gerados em minutos.

Este artigo mostra que ambos os modelos de linguagem da OpenAI podem criar estratégias de trading algorítmicas altamente lucrativas. O modelo o1 fez isso sem a necessidade de intervenção manual, enquanto o modelo GPT-4 precisou da ajuda de um especialista humano. No final, ambos os modelos tiveram retornos de backtesting que superam o S&P500.

Mas esses resultados de backtest não são suficientes. Nas próximas semanas, veremos a eficácia real dos portfólios gerados por IA. Estou ansioso para ver aonde essa tecnologia nos levará.

Aguarde os resultados – isso pode ser uma mudança de jogo para trading algorítmico.

---