Machine Learning em Finanças: Aplicações, Limitações e Oportunidades

Este artigo analisa se machine learning pode melhorar o julgamento profissional ao prever a inflação dos Estados Unidos e a taxa de federal funds com um ano de antecedência. Comparamos previsões baseadas em um amplo conjunto de indicadores macroeconômicos com o consenso divulgado no Blue Chip Economic Indicators. Os resultados não apontam um único vencedor. Machine learning produz erros médios menores para ambas as variáveis, mas sua vantagem muda substancialmente com as condições econômicas. Os modelos têm melhor desempenho para a inflação em períodos estáveis e para a taxa de federal funds durante crises. Os analistas são mais competitivos nos casos opostos: crises de inflação e períodos estáveis para a política monetária. Seu desempenho é especialmente notável porque os modelos usam dados revisados que não estavam disponíveis quando as previsões Blue Chip foram feitas. A evidência, portanto, favorece uma visão condicional: grandes bases de dados e modelos flexíveis podem melhorar a acurácia preditiva, mas não tornam redundante o julgamento profissional. Previsões de surveys e de modelos parecem oferecer forças distintas, e seu valor relativo depende da variável prevista e do estado da economia