August 5, 2025 • 20 mins
O nosso Desafio Quant evoluiu e agora é Quant AI!
Em 2025, o tradicional desafio para estudantes universitários chega à sexta edição com uma novidade: o uso da inteligência artificial no desenvolvimento de estratégias quantitativas.
Neste episódio, conversamos com Victor Dweck, head de equities do Multimesas, e Gabriel Pomilio, vencedor do desafio em 2022 e hoje analista de portfólios na nossa mesa de crédito tradicional.
Eles compartilharam bastidores da competição, dicas para quem quer participar e como a IA pode transformar os projetos e abrir portas no mercado.
📌 Inscrições abertas até 31/08.
🔗 Saiba mais sobre o desafio clicando aqui
Mark as Played
Transcript
Episode Transcript
Available transcripts are automatically generated. Complete accuracy is not guaranteed.
(00:00):
Já imaginou usar inteligência artificial para criar uma
estratégia de investimento e participar de um desafio focado
nisso? Bem vindos ao maindasset o
podcast da itawaset. Eu sou a Isa da equipe de
comunicação do Itaú e o tema do nosso episódio de hoje é o já
(00:24):
tradicional desafio quant da itawaset.
Em 2025, o desafio chega à sua sexta edição e passa a se chamar
desafio quant ei, AI sim. Esse ano o desafio traz a
inteligência artificial como elemento central no
desenvolvimento da estratégia quantitativa de cada equipe.
E para falar sobre isso, recebemos Victor duec,
(00:45):
headjequities do multimezas da itauaset.
E um dos responsáveis pelo desafio e Gabriel henchel,
analista de portfólios naitawasset e que chegou na
gestora como estagiário depois de vencer o desafio quant em
2022. Vitor Gabriel prazer ter vocês
aqui com a gente no mydasity. Bem vindos.
(01:06):
Prazer enorme estar aqui com você, vamos conversar bastante
sobre o desafio. Muito obrigado pelo convite, é
um prazer estar aqui. Maravilha, Vitor, queria que
você começasse então? É explicando um pouco pra quem
nunca ouviu falar do desafio queque é o desafio quant então o.
Desafio quant é uma ideia de trazer o pessoal aos estudantes
pra fazer o seu próprio robô de investimentos.
(01:28):
A gente começou isso alguns anosatrás e a proposta é simples,
Vem Pra Cá, aprende como é que você modela e cria o seu próprio
robô de investimentos. E quem sabe você vai ser o
campeão do desafio esse ano. E me conta um pouquinho, Vitor,
sobre as etapas do desafio, né? Como é que funciona ali cada uma
delas? O desafio começa primeiro, é
(01:49):
cada grupo de estudantes se inscrevendo para participar.
E aí tem uma aula magna que o Rafael, do meu time, é quem dá
essa aula todos os anos, explicando como é que você
modela, como é que você cria, né?
O seu robô de investimentos, quetipo de robôs existem, como é
que você pode é fazer isso de fato virar?
11 modelo que vai vai pro mercado.
(02:11):
E aí cada equipe tem que se reunir, tem que é estudar pra
caramba, tem que pegar os dados,tem que trabalhar esses dados
pra apresentar um robô de investimentos, do jeito que a
gente especificou. E aí tem as diversas fases, né?
Tem as etapas de de você primeiro apresentar.
É 11 pré modelo, aí já já elimina alguns, alguns ali,
(02:34):
depois já tem a etapa que é o modelo constituído, aí sobram só
os finalistas e aí a final. Realmente é difícil de ganhar, é
muito difícil de ganhar, mas enfim, é super desafiadora e
super bacana pra quem tá é querendo aprender a entrar no
mundo de investimentos com modelagem quantitativa.
Legal e falando então de ganhar,a gente vai trazer também aqui
(02:55):
pra conversa alguém que participou do desafio.
Tudo bem, Gabriel? Você participou de 2 edições,
né? Em uma delas, em 2022, com como
a equipe é vencedora. Conta um pouquinho pra gente
como é que foi essa experiência?Olha, eu tenho que começar
dizendo que eu e meus parceiros de equipe não estaríamos onde a
gente está hoje se não fosse o desafio, com certeza ele mudou
totalmente a nossa trajetória ali de carreira e tudo mais.
(03:18):
E a gente começou numa entidade de mercado financeiro, numa liga
focada em gestão mesmo. Então a gente tinha um fundo
ali, fazia a gestão discricionária.
É, mantinha ali 11 diligência, uma constância ali, em reuniões,
análises de cenário, publicava carta e teve um momento que é se
(03:39):
aproximando de ferramentas que IA possibilitar que a gente
entrasse numa fase do mercado financeiro como pai, com essas
coisas, a gente achou é o quant como uma forma de conseguir
treinar isso. Então a gente começou fazendo
uns modelos por conta, é, fazia um fundo com cota fictícia
baseado nesses modelos. Então, claro que inicialmente
eram modelos meio frágeis, é modelos ali que não tinham muito
(04:02):
rigor estatístico, mas a gente já tava brincando, daí surgiu a
possibilidade de participar do contamento em 2021 e a gente
falou, pô, é oportunidade perfeita pra gente se comparar
com outros estudantes, então nesse trabalho a gente
identificou uma variação de dispersão, é uma dispersão de é
percepção de risco nos investidores no mercado de
(04:24):
forex, de acordo com o dia da semana.
Então esse foi nosso modelo. Com esse modelo, a gente
conseguiu pegar a segunda colocação do desafio, que já
deixou a gente muito feliz. E, pô, colocou a gente no
patamar que a gente não esperava, tá?
Então a gente recebeu convite deentrevistas que a gente nunca
imaginou participar. É, todo mundo conseguiu um
estágio nessa época, estágio quefoi relativamente importante
(04:47):
para cada um na carreira. E foi onde eu entrei no Itaú no
ano seguinte. É, a gente fez um modelo de
loter stocks. Focado em identificar ações que
tinham funções de probabilidade.É parecidas com loterias de
fato, então, em que os investidores enxergavam como uma
assimetria de retornos muito positiva.
(05:10):
Só que na verdade tinha uma expectativa de retorno negativa.
Então é o investidor investir achando que IA ganhar muito
dinheiro, mas na verdade perdia no longo prazo e nosso modelo
ficava sempre vendido nessas ações.
É até fez uso de machine learning, et cetera, mas isso aí
a gente vai comentar futuramenteaqui No No episódio.
Mas com certeza foi uma experiência muito gratificante
(05:31):
pra gente. A gente aprendeu muito.
O desafio é instruir bem os participantes, então a gente
sai, é muito melhor que a gente entrou, então só tenho é pontos
positivos pra citar aqui. Maravilha e Vitor é além do
Gabriel. Acho que você já viu muitas
mentes brilhantes, né? Participando aqui do desafio, eu
(05:53):
trouxe aqui um exemplo, no ano passado, os os alunos da escola
Politécnica da USP criaram uma estratégia baseada em dados
topológicos para utilizar os portfólios de ações na b 3.
Né? Como é que é para você ver
tantos talentos surgindo a partir do desafio?
Olha primeiro que, para mim, vertantos talentos dá um.
(06:14):
É. É muito prazeroso.
Essa é verdade, porque a gente faz o desafio com o intuito
original e até hoje de educar. Esse é o intuito primordial do
desafio. A gente quer educar é os alunos
e curiosamente, a cada ano a gente tem mais alunos
participando. Mas quando chega na fase final,
(06:34):
todos os grupos são muito Fortes.
Todos os grupos tiveram um desempenho.
É pra poder chegar até ali que foi sem dúvida, um desempenho
acadêmico de excelência. E a gente é sempre surpreendido
positivamente com a qualidade desses alunos finalistas.
Então, de novo, dá um prazer nãosó de ver o Gabriel, mas outros
(06:56):
alunos que chegaram até aqui. Hoje no Itaú tem diversos
alunos, tem dezenas de alunos que participaram do desafio, é
empregados em diversas áreas do Itaú e.
Em primeiro lugar, eu te digo, dá muito prazer, é, é realmente
é Oo intuito que a gente teve em2020, quando criou o desafio de
(07:18):
fazer uma coisa para os estudantes entenderem o que era
modelagem quantitativa que a maioria dos estudantes só
conheciam. Valuation de empresa, que é a
análise fundamentalista. Ele, sem dúvida foi foi
conquistado. E de novo, quando chegam na fase
final, dá muito prazer ver o tipo de talento que a gente tem
e são realmente talentos. O feedback não é só meu, é da
(07:40):
banca toda que participa do desafio e é de quem contrata
esses alunos pra virarem inicialmente estagiários da
asset ou evoluírem. Serem analistas, EE subirem de
cargo dentro do banco. O senhor vai falar um pouquinho
disso, dessas oportunidades? Você falou um pouco do volume
ali de pessoas, você tem alguns números bacanas pra pra
compartilhar aqui com a gente do.
Desafio tenho No No assim, o volume é que todo ano cresce e
(08:03):
no na última edição, foram 1400 alunos de mais de 400
universidades de quase todos os estados brasileiros.
A gente sonha em bater 26. Ainda não bateu, bateu 21.
Mas é bem diverso. Tem de todas as universidades
federais do Brasil. É impressionante como a gente
consegue chegar. É a quase todos os estados.
(08:26):
E aí é o boca a boca do dos alunos e também um grande, uma
grande dedicação do nosso time ao divulgar isso nas ligas de
investimento, que eu acho que é 11, acesso muito fácil através
das ligas a esses estudantes. Maravilha.
Bom, e falando um pouquinho de mentes brilhantes e tecnologia.
Victor, nesse ano o desafio trazuma novidade, né?
(08:47):
Que é o uso de inteligência artificial.
O que que motivou essa decisão? Conta um pouquinho mais para
gente. Olha, foi uma decisão que a
gente tomou esse ano com com umasensação de que ei, agora, de
fato veio pra ficar. Ei, existe desde os anos 50 e
foi engatinhando. E você tinha redes neurais e não
(09:07):
dava certo. E você tinha outros tipos de
modelos com ei. Mas a partir dos últimos anos, o
crescimento de ei foi exponencial.
E agora a gente tem algumas ferramentas que a gente não
tinha 2 anos atrás. E que elas ficaram no nível de
de é perfeição pra você melhoraro modelo, pra você trazer um
(09:32):
dinamismo pro modelo que a gentenão pode mais ignorar.
Então a ideia de trazer o ei a foi pra 2 coisas, a gente sempre
teve investimentos, a análise fundamentalista clássica, depois
a análise quantitativa, e agora a gente quer dar o terceiro
toque, que é o toque do ei e o ei.
(09:53):
Ele é o toque mais criativo nesse processo, porque o
fundamento é o que a gente aprende com muita experiência.
O quantitativo é como é que a gente traz a matemática e a
estatística para ajudar numa tomada de decisão.
Agora, o que o ei pode trazer para ajudar na tomada de
decisão? Eu não sei dizer, você não sabe
nem o Gabriel. Cada aluno vai ter uma
(10:13):
criatividade para dizer, olha, eu vou usar o ei assim.
E as ferramentas que tem hoje possibilitam você fazer
múltiplos usos. Então a nossa ideia foi deixar a
criatividade rolar solta pra os alunos adicionarem essa
particularidade do AI. E eu tenho certeza que a gente
vai ser surpreendido com ideias mirabolantes, coisas que a gente
(10:36):
não poderia pensar, que a gente nunca fez e que vai trazer 1° de
de inovação, que eu não poderia fazer isso há 2 anos atrás.
Mas agora eu posso. E é isso que a gente quer
testar. Eu quero saber o quão criativo
são os nossos estudantes e eu tenho certeza que através do EAA
gente vai ser surpreendido com isso.
(10:56):
Legal, e falando um pouco agora da tecnologia, Gabriel, você
comentou um pouquinho de inteligência artificial e a e a
é a grande Estrela, né? Do desafio desse ano.
Você acha que teria sido diferente se a tecnologia
estivesse em foco No No seu projeto?
O que que você acha assim? Eu acho que foi uma decisão bem
acertada restringir o desafio pra modelos com OIA.
(11:18):
Porque, de fato, a indústria está andando nesse sentido, né?
Os primeiros modelos lá atrás eram baseados tipo primeiro em
teoria e na teoria eles tentavamachar alguma consistência em
dados, alguma significância estatística.
Ali depois começou a surgir modelos que a galera encontrava
relações entre as variáveis nos dados e tentava extrapolar isso
para teoria econômica. Então achava uma explicação para
(11:39):
aquilo. O problema dessa segunda
abordagem é que fica um pouco complexo pro cientista achar
variáveis que em conjunto são é estatisticamente significantes.
Então com o uso de modelos de inteligência artificial, a gente
consegue testar múltiplas variáveis e 1 o volume muito
maior de dado e conseguir chegarem relações realmente válidas e
(12:04):
consistentes, e aí depois extrapolar isso pra teoria.
Então é foi uma. Abertura de portas aí pra
indústria quant que conseguiu revitalizar modelos que já
estavam perdendo a possibilidadede ganhar alfa ali, né?
Porque ele vai sendo depreciado com o tempo, é em estratégias
padrão ali manjadas de mercado. Então quando você restringe
(12:27):
isso, restringe o desafio. Pra isso, você força os alunos e
o os participantes ali a tentar fazer modelos nessa linha, que é
a nova dinâmica do mercado. O modelo do nosso time já usava
IA, então a gente fez um modelo baseado em Marshall learning.
Então talvez não IA mudar muito nossa abordagem, mas de certa
(12:48):
forma IA fazer com que a gente tentasse um modelo mais
sofisticado. Porque a gente acreditou na
época que o modelo que a gente fez já era muito de destaque,
dado que teriam muitos grupos que nem utilizariam o IA.
Talvez usar um pouco mais ainda,explorar mais a tecnologia.
Tentar achar ferramentas de eliminação de viés.
(13:08):
A gente até usou umas validaçõescruzadas ali para garantir que
OOO resultado foi robusto e é é tipo com certo rigor
estatístico, mas de fato a genteteria dado 11 enfoque maior
nisso. Legal e Vitor, você falou um
pouquinho das dificuldades em cada etapa, né?
(13:28):
Quando a gente fala de equipes finalistas, quais são os
diferenciais que vocês enxergam nessas equipes?
O que que o desafio busca, né, nesses jovens talentos?
Dedicação tá perseverança, porque trabalhar com dados dá
trabalho. É formação acadêmica.
É difícil você conseguir trabalhar com dados sem ter uma
(13:51):
boa formação acadêmica? É, você tem que ter um bom
conhecimento de estatística. É muito difícil você trabalhar
com dados sem ter um bom conhecimento de estatística, mas
a gente tenta moldar o desafio. Pra diversas carreiras e não só
uma carreira do tipo engenheiro ou estatístico.
Então tem muitos economistas queparticipam, tem gente, tem
(14:12):
administradores que participam, né, estudantes de administração.
É porque o desafio ele tá contemplando não só o grau de de
conhecimento matemático ou estatístico que você tem, mas é,
é um processo. Então qual foi o modelo que eu
busquei desenvolver, que que eu fiz pra isso, quais dados que eu
peguei pra isso? Qual foi a nuance do meu robô
(14:37):
que é diferente dos outros? Tudo isso é contemplado até na
nota de avaliação, então a genteconsegue trazer estudantes de
diversas áreas. Então agora, sem dúvida,
dedicação não tem como chegar nafinal do desafio sem dedicação.
E eu acho que uma boa formação acadêmica também é pré
requisito. Bacana e Gabriel, você que
esteve do outro lado, qual dica você daria para quem está
(14:59):
assistindo a gente? Para quem pretende participar do
desafio? Olha, eu acho que a uma dica
importante que eu daria, que teria ajudado a gente bastante,
foi focar mais no processo. Então não fica tão preocupado
com o resultado do modelo, porque se você fizer um modelo
que dá muito certo, provavelmente você vai estar
(15:20):
fazendo alguma coisa errada, né?Então é, você tem que focar em
como você elaborou a sua tese. É qual o fundamento teórico por
trás do seu modelo? É como que você é fez os testes
estatísticos? Como você fez a modelagem de
fato, se teve algum tipo de viés?
Fazer testes de viés, porque viés é algo muito perigoso em
(15:43):
investimento quantitativo, porque ele ele pode estar
escondido. Você pode nem saber que ele está
lá, mas ele está aí. Aí quando você extrapola o seu
teste para realidade, não vai ter nada a ver com o que você
esperou que acontecesse, porque.Você teve um resultado que foi
fruto do da sorte no final das contas.
Então eu acho que se você focar em fazer um trabalho bem feito,
(16:07):
criativo e é robusto ali, independente do resultado, da
sua estratégia, você vai ter umaboa classificação.
Tanto é que o nosso modelo não não deu tanto dinheiro assim.
É, não deu dinheiro nenhum, né? Porque é fictícia coisa, mas,
tipo, não gerou tanto alfa. Mas mesmo assim a gente ficou em
primeiro lugar, eu acho que é. É nessa linha.
(16:29):
Aqui é bom enfatizar esse ponto de que a gente não não é um pré
requisito, modelo gasta dinheiro, tá então o processo.
Achei que o comentário do Gabriel foi excelente o processo
todo, né? Você focar em cada etapa, em
fazer bem em cada etapa, tem muito valor.
Isso provavelmente te leva uma final.
Legal. EE.
Além da final, Gabriel continuouaqui na asset, né?
(16:49):
Então, Vitor, eu queria que vocêfalasse um pouquinho desse
processo. E eu acho que, de certa forma, o
desafio, ele abre oportunidades,né?
Tanto da gente conhecer esses talentos, mas também de trazer
aqui pra dentro da asset. Sim, eu acho que o desafio é uma
belíssima porta de entrada. É a gente até no final.
É pra todo mundo que participa da final.
A gente distribui um bad de que ele é um finalista e isso abre
(17:13):
portas aqui no na asset, aqui nobanco e em outras empresas, tá?
Não acho que tá limitado só ao Itaú, é?
E é uma Bela forma de você entrar no mercado financeiro,
então, pra quem tem esse desejo,eu acho que o desafio é um é
quase que 11 musehav no currículo.
(17:34):
Muito boa. Eu até falei no começo que é
depois que a gente ficou em segundo lugar, ainda recebeu
essa bandeirinha de finalista. É nosso LinkedIn.
Recebeu em 1 dia mais visualização que tinha recebido
a vida toda, então. É, fomos chamados para várias
entrevistas, então realmente todo mundo ganha um estágio,
realmente faz diferença. A gente ganha uma visibilidade
(17:55):
que estudante não está acostumado na faculdade, então
ajuda bem na carreira. Que legal.
E bom, a gente está chegando aqui na etapa final da nossa
conversa. Mas antes, Vitor, eu queria que
você falasse um pouquinho de Datas importantes.
É como é que esses é? Estudantes podem fazer as
inscrições e em quais Datas, né?Eles precisam ficar de olho,
então, agora. Olha uma data muito importante.
(18:17):
31 de agosto não percam essa data.
Essa é a data de inscrição que todos os grupos tem que fazer.
É pra poder participarem do desafio.
Lembrando aqui que os grupos tementre 2 ou 3 participantes, tá?
Todos os estudantes de universidades e também os grupos
podem ter um orientador, tá? O orientador pode ser um
(18:38):
mestrando, um doutorando, então aquele grupo que achar um
mestrando ou um doutorando capazde orientar o trabalho.
Estão super convidados a fazer isso.
Outras orientações vão vir através das nossas redes
sociais, a gente vai ter é mais de uma aula pra instruir, como é
que você programa o seu modelo, como é que você cria o seu robô,
(19:00):
como é que você coloca ei no seurobô, tá?
Vão ser pelo menos 2 aulas pra isso.
E lembrando que a data da final do desafio vai ser em dezembro,
então de agosto até dezembro vãoter as diversas etapas do
desafio que eu convido a vocês. A acompanharem a gente nas redes
sociais pra não perder nenhuma das etapas, mas 31 de agosto é a
(19:22):
data que vocês não podem perder.Maravilha, então a dica,
continue acompanhando a gente nas redes sociais que as Datas
ali vão ser divulgadas. Não vão, não vão falhar, vão
estar ali. E mais do que isso, eu acho que
a gente vai ter esse ano um número recorde, já pelo que a
gente vem sentindo na conversa com as ligas de investimentos.
Então, se você tem o desejo de participar do maior desafio, não
(19:43):
só quantitativo. Não só de robô, o maior desafio
universitário financeiro do Brasil.
Participe do nosso. Maravilha, Victor Gabriel,
obrigada, foi um prazer receber vocês aqui no meindasset.
Pô, eu que te agradeço, foi muito bacana estar aqui com
você. Muito obrigado.
E se você é universitário e querse desafiar, inscreva se os
(20:05):
links estão na descrição do episódio.
Aproveite também para seguir o maindasset na sua plataforma
preferida e compartilhar esse conteúdo com quem possa se
interessar pelo desafio até a próxima.
Já imaginou usar inteligência artificial para criar uma
estratégia de investimento e participar de um desafio focado
nisso? Bem vindos ao maindasset o
podcast da itawaset. Eu sou a Isa da equipe de
comunicação do Itaú e o tema do nosso episódio de hoje é o já
(00:24):
tradicional desafio quant da itawaset.
Em 2025, o desafio chega à sua sexta edição e passa a se chamar
desafio quant ei, AI sim. Esse ano o desafio traz a
inteligência artificial como elemento central no
desenvolvimento da estratégia quantitativa de cada equipe.
E para falar sobre isso, recebemos Victor duec,
(00:45):
headjequities do multimezas da itauaset.
E um dos responsáveis pelo desafio e Gabriel henchel,
analista de portfólios naitawasset e que chegou na
gestora como estagiário depois de vencer o desafio quant em
2022. Vitor Gabriel prazer ter vocês
aqui com a gente no mydasity. Bem vindos.
(01:06):
Prazer enorme estar aqui com você, vamos conversar bastante
sobre o desafio. Muito obrigado pelo convite, é
um prazer estar aqui. Maravilha, Vitor, queria que
você começasse então? É explicando um pouco pra quem
nunca ouviu falar do desafio queque é o desafio quant então o.
Desafio quant é uma ideia de trazer o pessoal aos estudantes
pra fazer o seu próprio robô de investimentos.
(01:28):
A gente começou isso alguns anosatrás e a proposta é simples,
Vem Pra Cá, aprende como é que você modela e cria o seu próprio
robô de investimentos. E quem sabe você vai ser o
campeão do desafio esse ano. E me conta um pouquinho, Vitor,
sobre as etapas do desafio, né? Como é que funciona ali cada uma
delas? O desafio começa primeiro, é
(01:49):
cada grupo de estudantes se inscrevendo para participar.
E aí tem uma aula magna que o Rafael, do meu time, é quem dá
essa aula todos os anos, explicando como é que você
modela, como é que você cria, né?
O seu robô de investimentos, quetipo de robôs existem, como é
que você pode é fazer isso de fato virar?
11 modelo que vai vai pro mercado.
(02:11):
E aí cada equipe tem que se reunir, tem que é estudar pra
caramba, tem que pegar os dados,tem que trabalhar esses dados
pra apresentar um robô de investimentos, do jeito que a
gente especificou. E aí tem as diversas fases, né?
Tem as etapas de de você primeiro apresentar.
É 11 pré modelo, aí já já elimina alguns, alguns ali,
(02:34):
depois já tem a etapa que é o modelo constituído, aí sobram só
os finalistas e aí a final. Realmente é difícil de ganhar, é
muito difícil de ganhar, mas enfim, é super desafiadora e
super bacana pra quem tá é querendo aprender a entrar no
mundo de investimentos com modelagem quantitativa.
Legal e falando então de ganhar,a gente vai trazer também aqui
(02:55):
pra conversa alguém que participou do desafio.
Tudo bem, Gabriel? Você participou de 2 edições,
né? Em uma delas, em 2022, com como
a equipe é vencedora. Conta um pouquinho pra gente
como é que foi essa experiência?Olha, eu tenho que começar
dizendo que eu e meus parceiros de equipe não estaríamos onde a
gente está hoje se não fosse o desafio, com certeza ele mudou
totalmente a nossa trajetória ali de carreira e tudo mais.
(03:18):
E a gente começou numa entidade de mercado financeiro, numa liga
focada em gestão mesmo. Então a gente tinha um fundo
ali, fazia a gestão discricionária.
É, mantinha ali 11 diligência, uma constância ali, em reuniões,
análises de cenário, publicava carta e teve um momento que é se
(03:39):
aproximando de ferramentas que IA possibilitar que a gente
entrasse numa fase do mercado financeiro como pai, com essas
coisas, a gente achou é o quant como uma forma de conseguir
treinar isso. Então a gente começou fazendo
uns modelos por conta, é, fazia um fundo com cota fictícia
baseado nesses modelos. Então, claro que inicialmente
eram modelos meio frágeis, é modelos ali que não tinham muito
(04:02):
rigor estatístico, mas a gente já tava brincando, daí surgiu a
possibilidade de participar do contamento em 2021 e a gente
falou, pô, é oportunidade perfeita pra gente se comparar
com outros estudantes, então nesse trabalho a gente
identificou uma variação de dispersão, é uma dispersão de é
percepção de risco nos investidores no mercado de
(04:24):
forex, de acordo com o dia da semana.
Então esse foi nosso modelo. Com esse modelo, a gente
conseguiu pegar a segunda colocação do desafio, que já
deixou a gente muito feliz. E, pô, colocou a gente no
patamar que a gente não esperava, tá?
Então a gente recebeu convite deentrevistas que a gente nunca
imaginou participar. É, todo mundo conseguiu um
estágio nessa época, estágio quefoi relativamente importante
(04:47):
para cada um na carreira. E foi onde eu entrei no Itaú no
ano seguinte. É, a gente fez um modelo de
loter stocks. Focado em identificar ações que
tinham funções de probabilidade.É parecidas com loterias de
fato, então, em que os investidores enxergavam como uma
assimetria de retornos muito positiva.
(05:10):
Só que na verdade tinha uma expectativa de retorno negativa.
Então é o investidor investir achando que IA ganhar muito
dinheiro, mas na verdade perdia no longo prazo e nosso modelo
ficava sempre vendido nessas ações.
É até fez uso de machine learning, et cetera, mas isso aí
a gente vai comentar futuramenteaqui No No episódio.
Mas com certeza foi uma experiência muito gratificante
(05:31):
pra gente. A gente aprendeu muito.
O desafio é instruir bem os participantes, então a gente
sai, é muito melhor que a gente entrou, então só tenho é pontos
positivos pra citar aqui. Maravilha e Vitor é além do
Gabriel. Acho que você já viu muitas
mentes brilhantes, né? Participando aqui do desafio, eu
(05:53):
trouxe aqui um exemplo, no ano passado, os os alunos da escola
Politécnica da USP criaram uma estratégia baseada em dados
topológicos para utilizar os portfólios de ações na b 3.
Né? Como é que é para você ver
tantos talentos surgindo a partir do desafio?
Olha primeiro que, para mim, vertantos talentos dá um.
(06:14):
É. É muito prazeroso.
Essa é verdade, porque a gente faz o desafio com o intuito
original e até hoje de educar. Esse é o intuito primordial do
desafio. A gente quer educar é os alunos
e curiosamente, a cada ano a gente tem mais alunos
participando. Mas quando chega na fase final,
(06:34):
todos os grupos são muito Fortes.
Todos os grupos tiveram um desempenho.
É pra poder chegar até ali que foi sem dúvida, um desempenho
acadêmico de excelência. E a gente é sempre surpreendido
positivamente com a qualidade desses alunos finalistas.
Então, de novo, dá um prazer nãosó de ver o Gabriel, mas outros
(06:56):
alunos que chegaram até aqui. Hoje no Itaú tem diversos
alunos, tem dezenas de alunos que participaram do desafio, é
empregados em diversas áreas do Itaú e.
Em primeiro lugar, eu te digo, dá muito prazer, é, é realmente
é Oo intuito que a gente teve em2020, quando criou o desafio de
(07:18):
fazer uma coisa para os estudantes entenderem o que era
modelagem quantitativa que a maioria dos estudantes só
conheciam. Valuation de empresa, que é a
análise fundamentalista. Ele, sem dúvida foi foi
conquistado. E de novo, quando chegam na fase
final, dá muito prazer ver o tipo de talento que a gente tem
e são realmente talentos. O feedback não é só meu, é da
(07:40):
banca toda que participa do desafio e é de quem contrata
esses alunos pra virarem inicialmente estagiários da
asset ou evoluírem. Serem analistas, EE subirem de
cargo dentro do banco. O senhor vai falar um pouquinho
disso, dessas oportunidades? Você falou um pouco do volume
ali de pessoas, você tem alguns números bacanas pra pra
compartilhar aqui com a gente do.
Desafio tenho No No assim, o volume é que todo ano cresce e
(08:03):
no na última edição, foram 1400 alunos de mais de 400
universidades de quase todos os estados brasileiros.
A gente sonha em bater 26. Ainda não bateu, bateu 21.
Mas é bem diverso. Tem de todas as universidades
federais do Brasil. É impressionante como a gente
consegue chegar. É a quase todos os estados.
(08:26):
E aí é o boca a boca do dos alunos e também um grande, uma
grande dedicação do nosso time ao divulgar isso nas ligas de
investimento, que eu acho que é 11, acesso muito fácil através
das ligas a esses estudantes. Maravilha.
Bom, e falando um pouquinho de mentes brilhantes e tecnologia.
Victor, nesse ano o desafio trazuma novidade, né?
(08:47):
Que é o uso de inteligência artificial.
O que que motivou essa decisão? Conta um pouquinho mais para
gente. Olha, foi uma decisão que a
gente tomou esse ano com com umasensação de que ei, agora, de
fato veio pra ficar. Ei, existe desde os anos 50 e
foi engatinhando. E você tinha redes neurais e não
(09:07):
dava certo. E você tinha outros tipos de
modelos com ei. Mas a partir dos últimos anos, o
crescimento de ei foi exponencial.
E agora a gente tem algumas ferramentas que a gente não
tinha 2 anos atrás. E que elas ficaram no nível de
de é perfeição pra você melhoraro modelo, pra você trazer um
(09:32):
dinamismo pro modelo que a gentenão pode mais ignorar.
Então a ideia de trazer o ei a foi pra 2 coisas, a gente sempre
teve investimentos, a análise fundamentalista clássica, depois
a análise quantitativa, e agora a gente quer dar o terceiro
toque, que é o toque do ei e o ei.
(09:53):
Ele é o toque mais criativo nesse processo, porque o
fundamento é o que a gente aprende com muita experiência.
O quantitativo é como é que a gente traz a matemática e a
estatística para ajudar numa tomada de decisão.
Agora, o que o ei pode trazer para ajudar na tomada de
decisão? Eu não sei dizer, você não sabe
nem o Gabriel. Cada aluno vai ter uma
(10:13):
criatividade para dizer, olha, eu vou usar o ei assim.
E as ferramentas que tem hoje possibilitam você fazer
múltiplos usos. Então a nossa ideia foi deixar a
criatividade rolar solta pra os alunos adicionarem essa
particularidade do AI. E eu tenho certeza que a gente
vai ser surpreendido com ideias mirabolantes, coisas que a gente
(10:36):
não poderia pensar, que a gente nunca fez e que vai trazer 1° de
de inovação, que eu não poderia fazer isso há 2 anos atrás.
Mas agora eu posso. E é isso que a gente quer
testar. Eu quero saber o quão criativo
são os nossos estudantes e eu tenho certeza que através do EAA
gente vai ser surpreendido com isso.
(10:56):
Legal, e falando um pouco agora da tecnologia, Gabriel, você
comentou um pouquinho de inteligência artificial e a e a
é a grande Estrela, né? Do desafio desse ano.
Você acha que teria sido diferente se a tecnologia
estivesse em foco No No seu projeto?
O que que você acha assim? Eu acho que foi uma decisão bem
acertada restringir o desafio pra modelos com OIA.
(11:18):
Porque, de fato, a indústria está andando nesse sentido, né?
Os primeiros modelos lá atrás eram baseados tipo primeiro em
teoria e na teoria eles tentavamachar alguma consistência em
dados, alguma significância estatística.
Ali depois começou a surgir modelos que a galera encontrava
relações entre as variáveis nos dados e tentava extrapolar isso
para teoria econômica. Então achava uma explicação para
(11:39):
aquilo. O problema dessa segunda
abordagem é que fica um pouco complexo pro cientista achar
variáveis que em conjunto são é estatisticamente significantes.
Então com o uso de modelos de inteligência artificial, a gente
consegue testar múltiplas variáveis e 1 o volume muito
maior de dado e conseguir chegarem relações realmente válidas e
(12:04):
consistentes, e aí depois extrapolar isso pra teoria.
Então é foi uma. Abertura de portas aí pra
indústria quant que conseguiu revitalizar modelos que já
estavam perdendo a possibilidadede ganhar alfa ali, né?
Porque ele vai sendo depreciado com o tempo, é em estratégias
padrão ali manjadas de mercado. Então quando você restringe
(12:27):
isso, restringe o desafio. Pra isso, você força os alunos e
o os participantes ali a tentar fazer modelos nessa linha, que é
a nova dinâmica do mercado. O modelo do nosso time já usava
IA, então a gente fez um modelo baseado em Marshall learning.
Então talvez não IA mudar muito nossa abordagem, mas de certa
(12:48):
forma IA fazer com que a gente tentasse um modelo mais
sofisticado. Porque a gente acreditou na
época que o modelo que a gente fez já era muito de destaque,
dado que teriam muitos grupos que nem utilizariam o IA.
Talvez usar um pouco mais ainda,explorar mais a tecnologia.
Tentar achar ferramentas de eliminação de viés.
(13:08):
A gente até usou umas validaçõescruzadas ali para garantir que
OOO resultado foi robusto e é é tipo com certo rigor
estatístico, mas de fato a genteteria dado 11 enfoque maior
nisso. Legal e Vitor, você falou um
pouquinho das dificuldades em cada etapa, né?
(13:28):
Quando a gente fala de equipes finalistas, quais são os
diferenciais que vocês enxergam nessas equipes?
O que que o desafio busca, né, nesses jovens talentos?
Dedicação tá perseverança, porque trabalhar com dados dá
trabalho. É formação acadêmica.
É difícil você conseguir trabalhar com dados sem ter uma
(13:51):
boa formação acadêmica? É, você tem que ter um bom
conhecimento de estatística. É muito difícil você trabalhar
com dados sem ter um bom conhecimento de estatística, mas
a gente tenta moldar o desafio. Pra diversas carreiras e não só
uma carreira do tipo engenheiro ou estatístico.
Então tem muitos economistas queparticipam, tem gente, tem
(14:12):
administradores que participam, né, estudantes de administração.
É porque o desafio ele tá contemplando não só o grau de de
conhecimento matemático ou estatístico que você tem, mas é,
é um processo. Então qual foi o modelo que eu
busquei desenvolver, que que eu fiz pra isso, quais dados que eu
peguei pra isso? Qual foi a nuance do meu robô
(14:37):
que é diferente dos outros? Tudo isso é contemplado até na
nota de avaliação, então a genteconsegue trazer estudantes de
diversas áreas. Então agora, sem dúvida,
dedicação não tem como chegar nafinal do desafio sem dedicação.
E eu acho que uma boa formação acadêmica também é pré
requisito. Bacana e Gabriel, você que
esteve do outro lado, qual dica você daria para quem está
(14:59):
assistindo a gente? Para quem pretende participar do
desafio? Olha, eu acho que a uma dica
importante que eu daria, que teria ajudado a gente bastante,
foi focar mais no processo. Então não fica tão preocupado
com o resultado do modelo, porque se você fizer um modelo
que dá muito certo, provavelmente você vai estar
(15:20):
fazendo alguma coisa errada, né?Então é, você tem que focar em
como você elaborou a sua tese. É qual o fundamento teórico por
trás do seu modelo? É como que você é fez os testes
estatísticos? Como você fez a modelagem de
fato, se teve algum tipo de viés?
Fazer testes de viés, porque viés é algo muito perigoso em
(15:43):
investimento quantitativo, porque ele ele pode estar
escondido. Você pode nem saber que ele está
lá, mas ele está aí. Aí quando você extrapola o seu
teste para realidade, não vai ter nada a ver com o que você
esperou que acontecesse, porque.Você teve um resultado que foi
fruto do da sorte no final das contas.
Então eu acho que se você focar em fazer um trabalho bem feito,
(16:07):
criativo e é robusto ali, independente do resultado, da
sua estratégia, você vai ter umaboa classificação.
Tanto é que o nosso modelo não não deu tanto dinheiro assim.
É, não deu dinheiro nenhum, né? Porque é fictícia coisa, mas,
tipo, não gerou tanto alfa. Mas mesmo assim a gente ficou em
primeiro lugar, eu acho que é. É nessa linha.
(16:29):
Aqui é bom enfatizar esse ponto de que a gente não não é um pré
requisito, modelo gasta dinheiro, tá então o processo.
Achei que o comentário do Gabriel foi excelente o processo
todo, né? Você focar em cada etapa, em
fazer bem em cada etapa, tem muito valor.
Isso provavelmente te leva uma final.
Legal. EE.
Além da final, Gabriel continuouaqui na asset, né?
(16:49):
Então, Vitor, eu queria que vocêfalasse um pouquinho desse
processo. E eu acho que, de certa forma, o
desafio, ele abre oportunidades,né?
Tanto da gente conhecer esses talentos, mas também de trazer
aqui pra dentro da asset. Sim, eu acho que o desafio é uma
belíssima porta de entrada. É a gente até no final.
É pra todo mundo que participa da final.
A gente distribui um bad de que ele é um finalista e isso abre
(17:13):
portas aqui no na asset, aqui nobanco e em outras empresas, tá?
Não acho que tá limitado só ao Itaú, é?
E é uma Bela forma de você entrar no mercado financeiro,
então, pra quem tem esse desejo,eu acho que o desafio é um é
quase que 11 musehav no currículo.
(17:34):
Muito boa. Eu até falei no começo que é
depois que a gente ficou em segundo lugar, ainda recebeu
essa bandeirinha de finalista. É nosso LinkedIn.
Recebeu em 1 dia mais visualização que tinha recebido
a vida toda, então. É, fomos chamados para várias
entrevistas, então realmente todo mundo ganha um estágio,
realmente faz diferença. A gente ganha uma visibilidade
(17:55):
que estudante não está acostumado na faculdade, então
ajuda bem na carreira. Que legal.
E bom, a gente está chegando aqui na etapa final da nossa
conversa. Mas antes, Vitor, eu queria que
você falasse um pouquinho de Datas importantes.
É como é que esses é? Estudantes podem fazer as
inscrições e em quais Datas, né?Eles precisam ficar de olho,
então, agora. Olha uma data muito importante.
(18:17):
31 de agosto não percam essa data.
Essa é a data de inscrição que todos os grupos tem que fazer.
É pra poder participarem do desafio.
Lembrando aqui que os grupos tementre 2 ou 3 participantes, tá?
Todos os estudantes de universidades e também os grupos
podem ter um orientador, tá? O orientador pode ser um
(18:38):
mestrando, um doutorando, então aquele grupo que achar um
mestrando ou um doutorando capazde orientar o trabalho.
Estão super convidados a fazer isso.
Outras orientações vão vir através das nossas redes
sociais, a gente vai ter é mais de uma aula pra instruir, como é
que você programa o seu modelo, como é que você cria o seu robô,
(19:00):
como é que você coloca ei no seurobô, tá?
Vão ser pelo menos 2 aulas pra isso.
E lembrando que a data da final do desafio vai ser em dezembro,
então de agosto até dezembro vãoter as diversas etapas do
desafio que eu convido a vocês. A acompanharem a gente nas redes
sociais pra não perder nenhuma das etapas, mas 31 de agosto é a
(19:22):
data que vocês não podem perder.Maravilha, então a dica,
continue acompanhando a gente nas redes sociais que as Datas
ali vão ser divulgadas. Não vão, não vão falhar, vão
estar ali. E mais do que isso, eu acho que
a gente vai ter esse ano um número recorde, já pelo que a
gente vem sentindo na conversa com as ligas de investimentos.
Então, se você tem o desejo de participar do maior desafio, não
(19:43):
só quantitativo. Não só de robô, o maior desafio
universitário financeiro do Brasil.
Participe do nosso. Maravilha, Victor Gabriel,
obrigada, foi um prazer receber vocês aqui no meindasset.
Pô, eu que te agradeço, foi muito bacana estar aqui com
você. Muito obrigado.
E se você é universitário e querse desafiar, inscreva se os
(20:05):
links estão na descrição do episódio.
Aproveite também para seguir o maindasset na sua plataforma
preferida e compartilhar esse conteúdo com quem possa se
interessar pelo desafio até a próxima.
Popular Podcasts
NFL Daily with Gregg Rosenthal
Gregg Rosenthal and a rotating crew of elite NFL Media co-hosts, including Patrick Claybon, Colleen Wolfe, Steve Wyche, Nick Shook and Jourdan Rodrigue of The Athletic get you caught up daily on all the NFL news and analysis you need to be smarter and funnier than your friends.
On Purpose with Jay Shetty
I’m Jay Shetty host of On Purpose the worlds #1 Mental Health podcast and I’m so grateful you found us. I started this podcast 5 years ago to invite you into conversations and workshops that are designed to help make you happier, healthier and more healed. I believe that when you (yes you) feel seen, heard and understood you’re able to deal with relationship struggles, work challenges and life’s ups and downs with more ease and grace. I interview experts, celebrities, thought leaders and athletes so that we can grow our mindset, build better habits and uncover a side of them we’ve never seen before. New episodes every Monday and Friday. Your support means the world to me and I don’t take it for granted — click the follow button and leave a review to help us spread the love with On Purpose. I can’t wait for you to listen to your first or 500th episode!
Dateline NBC
Current and classic episodes, featuring compelling true-crime mysteries, powerful documentaries and in-depth investigations. Follow now to get the latest episodes of Dateline NBC completely free, or subscribe to Dateline Premium for ad-free listening and exclusive bonus content: DatelinePremium.com