IA falha como trader em teste de longo prazo, diz estudo

Estudo realizado por pesquisadores de Edimburgo, Oxford, UCLA e Sungkyunkwan avaliou IA em ações de 2000 a 2024, cobrindo mais de cem ativos.
O sistema de avaliação, batizado de FINSABER, mostrou que a IA não superou o mercado e ficou atrás da estratégia buy and hold.
Modelos estatísticos simples, como ARIMA, tiveram desempenho melhor que IA em retorno ajustado ao risco.
Em altas, IA tende a ser conservadora e perde ganhos; em baixas, é agressiva demais e acumula perdas, sem gerar alfa.
Conclusão: maior complexidade não garante vantagem; falta de raciocínio econômico adaptado ao mercado impede ganhos consistentes, conforme o estudo.

A IA não supera o mercado em teste de longo prazo. Pesquisadores de Edimburgo, Oxford, UCLA e Sungkyunkwan avaliaram agentes de IA usando dados de 2000 a 2024. O estudo, aceito na KDD 2026, mostra que a performance não supera o buy and hold e fica atrás de estratégias simples.

O que aconteceu: os cientistas criaram o sistema FINSABER para testar IA em mais de cem ativos, com inclusão de ações que faliram. Ao longo de 20 anos, as vantagens atribuídas aos modelos não se concretizaram. Em boa parte dos cenários, a IA ficou atrás de uma carteira comprada e mantida.

Quem está envolvido: pesquisadores das universidades de Edimburgo, Oxford, UCLA e Sungkyunkwan lideraram o estudo, cuja metodologia busca evitar vieses de sobrevivência presentes em testes curtos com ações bem conhecidas.

Quando e onde ocorreu: avaliação abrange dados de 2000 a 2024, com divulgação para a comunidade científica na conferência KDD 2026, principal evento de mineração de dados.

Por que a IA falha em longo prazo: o estudo aponta que modelos de IA apresentam comportamento divergente conforme o mercado. Em alta, chegam a ser conservadores e perdem ganhos; em queda, tornam-se agressivos e ampliam perdas. Nenhum agente testado gerou alfa consistente.

Como se compara com métodos simples: estratégias estatísticas básicas e o buy and hold costumam superar IA em várias métricas de retorno ajustado ao risco. O modelo FinMem chegou a ter operações excessivas, elevando custos de transação e prejuízos.

Impacto e perspectivas: a conclusão não descarta uso da IA no investimento, mas sugere caminhos para melhoria, como controles de risco que reajam à volatilidade. A mensagem central é que complexidade não implica maior competência sem uma base econômica integrada.

Observações finais: o estudo enfatiza a necessidade de avaliação mais ampla e não recomendações de investimento. As informações seguem o caráter informativo e técnico, sem orientar decisões individuais.