Aprovados na Fase II do PIPE da FAPESP — por que isso importa para advisors e investidores
- Roberto Ventura
- 11 de set.
- 2 min de leitura
Tenho a satisfação de compartilhar que a FAPESP aprovou a Fase II do nosso projeto Deep Reinforcement Learning aplicado à gestão de carteiras de Investimento.
O apoio da FAPESP vai além do financiamento: a aprovação depende de revisão por pares e da aderência a método científico em todas as etapas. Isso significa que seguimos um processo rigoroso de experimentação, validação e transparência.
O que é DRL aplicado a investimentos
Em vez de só “prever preços”, o Deep Reinforcement Learning ensina um agente de IA a tomar decisões sequenciais de alocação (comprar, vender, manter), aprendendo com recompensas e punições ao longo do tempo. O objetivo é aprender políticas que equilibram retorno e risco de forma dinâmica — algo especialmente relevante para carteiras que precisam se ajustar a mudanças de regime.
O que já entregamos (Fase I)
Desenvolvemos e validamos múltiplos modelos de DRL e protótipos quantitativos.
Colocamos em operação quatro estratégias com perfis distintos:
All Caps (ações amplas)
Energy (petróleo & gás)
Semiconductors (semicondutores)
Defensive Yield (viés de renda/dividendos).
Integramos com uma corretora (Interactive Brokers), então tudo está automatizado
Criamos um app para gestão de portfolios (Tekton Alpha - www.tektonalpha.com)
Criamos um app para gestão de processos de IA em máquinas virtuais (Opt Viewer)
O que faremos na Fase II
Ampliar classes de ativos e granularidades (diária e intradiária).
Evoluir políticas de DRL (incluindo ensembles) e reforçar testes fora da amostra.
Consolidar uma plataforma de pesquisa em produção para acelerar estudo, validação e publicação de resultados.
Por que o DRL interessa a advisors e investidores
Adaptação a contextos (sem suposições estáticas).
Disciplina e escala na execução, reduzindo vieses comportamentais.
Personalização por objetivos/mandatos (crescimento, renda, volatilidade-alvo).
Comentários