Modelos de linguagem grandes (LLMs) conseguem ler notícias de empresas em grande escala, e testes retrospectivos sugerem que essas leituras antecipam retornos de ações. A pergunta do estudo, publicado no arXiv, é quanto dessa previsibilidade sobrevive quando o teste exclui três armadilhas: olhar para o futuro, memorização e seleção de resultados. Segundo os autores, a resposta é: muito pouco.
O que os autores fizeram
Os pesquisadores propõem um protocolo chamado OLIVIA. Ele usa dados apenas até o momento de cada decisão, oculta a identidade das empresas, escolhe modelos e estratégias apenas com dados de validação, registra o plano de análise com um hash criptográfico antes do teste e libera o período de teste uma única vez, com registro. Foram avaliados modelos de IA de decisão, que não geram texto e devolvem probabilidades para perguntas tipadas sobre notícias de ações do S&P 500. Entre eles estão um modelo de pesos abertos ajustado com dados de 2024 e 2025, três modelos comerciais e linhas de base padrão.
Resultados principais
O sinal do modelo ajustado se repetiu em dois trimestres de validação, mas caiu no período cego de janeiro a julho de 2026. A fonte usa o information coefficient como métrica:
Information coefficient diário do modelo de pesos abertos| Período | IC diário |
|---|
| Dois trimestres de validação | 0,055 e 0,065 |
| Teste cego, jan a jul/2026 | 0,020 (t = 1,7) |
Os modelos comerciais mostraram alinhamento com o movimento do mercado entre o fechamento e a abertura do dia seguinte (IC de 0,074 a 0,077), mas não com o movimento depois da abertura. Para os autores, isso indica que a notícia já está precificada no momento em que um investidor conseguiria agir na abertura.
Outros dois achados complementam o quadro. Nenhum modelo consegue distinguir superreação de subreação. Além disso, nenhuma estratégia pré-registrada sobrevive aos custos e ao índice de Sharpe ajustado (deflated Sharpe ratio).
Ocultar nomes não ocultou empresas
Os modelos comerciais identificaram empresas mascaradas em 62% a 74% dos casos, contra 28% da linha de base. Segundo o estudo, ocultar o nome não impede que o modelo reconheça a empresa.
O que isso significa para quem quer usar IA no mercado
O estudo sugere cautela com backtests que mostram previsibilidade a partir de notícias. Na prática, a leitura de notícias por IA tende a ser feita depois de o mercado já ter reagido, segundo os autores.
A fonte é um resumo do artigo. Detalhes como a metodologia completa dos custos e os intervalos de confiança além do t citado não aparecem aqui.
Este texto foi produzido com apoio de inteligência artificial a partir das fontes acima e revisado segundo a nossa política editorial. Encontrou um erro? Peça uma correção.
