Se você ainda não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

Long-Term Capital Market Assumptions 2027: Os 5 Destaques do J.P. Morgan

O J.P. Morgan divulgou a 31ª edição do Long-Term Capital Market Assumptions. É o relatório anual em que a gestora publica as suas projeções de retorno, volatilidade e correlação das principais classes de ativos para os próximos 10 a 15 anos.

E por que isso importa para você?

Toda simulação de Monte Carlo para um plano de aposentadoria, toda otimização de carteira por média-variância (o famoso MVO) e todo planejamento financeiro carregam uma premissa escondida. Quanto cada classe de ativo vai render, quanto vai oscilar e como elas se comportam entre si. Se a premissa estiver errada, o resultado sai errado, por mais sofisticado que seja o modelo.

Por isso vale saber o que um player tão consolidado quanto o J.P. Morgan está projetando. Separei aqui os cinco destaques que, na minha visão, todo profissional do mercado precisa conhecer.

Sem mais delongas, vamos lá!

1. O Ponto de Partida: a Carteira 60/40

No mercado americano, um dos portfólios mais conhecidos é a carteira 60/40. Ou seja, 60% em ações e 40% em renda fixa, em dólar.

A projeção para essa carteira tradicional subiu de 6,4% para 7,0% ao ano.

Só para dar um contexto, nos últimos 12 meses ela entregou 9,1%! Bem acima da média de 25 anos e da projeção para os próximos 15 anos.

Os dois lados da carteira melhoraram. Do lado das ações, a bolsa americana teve um aumento na sua expectativa de retorno de +0.80%, para 7,5% ao ano, muito puxada pela margem de lucro das empresas. O J.P. Morgan projeta uma margem de longo prazo de 15,1% para as empresas americanas, a maior entre os grandes mercados.

Porém, como nem tudo são flores, eles também estimam um aumento na volatilidade. No final das contas, o retorno por unidade de risco ficou praticamente igual ao do ano passado…

Já do lado da renda fixa, vou deixar para o próximo destaque... Aguenta ai!

Agora, o dado que mais me chamou atenção: pela primeira vez em 31 edições, a projeção para ações emergentes ficou abaixo da de países desenvolvidos. São 7,1% ao ano, contra 7,7% dos desenvolvidos fora dos EUA.

O motivo tem nome e sobrenome: Coreia e Taiwan, que somam 50,30% do índice de emergentes. As duas bolsas são muito dependentes das fabricantes de chips, que hoje vivem margens extraordinárias com o ciclo de investimento em AI.

O J.P. Morgan entende que essas margens são cíclicas. Quando normalizarem, vão puxar o índice inteiro para baixo.

2. A Volta da Renda Fixa

Para mim, a maior mudança do relatório está aqui.

Em 2021, o J.P. Morgan projetava 2,1% ao ano para a renda fixa global. Hoje, projeta 5,3%, o maior número em duas décadas.

Em dólar:

• Cash: 3,2%;

• Treasury de 10 anos: 5,5%;

• IG Bonds: 6,1%;

• HY Bonds: 6,7%;

Para quem aloca em dólar, a renda fixa voltou a ser fonte de retorno. Só que o relatório faz uma ressalva sobre o outro papel dela, o de proteger a carteira… E isso nos leva ao próximo highlight.

3. Quando Ações e Renda Fixa Caem Juntas

A lógica clássica da carteira 60/40 na teoria é simples. Quando as ações caem, os títulos do governo sobem e seguram a carteira.

Porém isso só conta meia história... Na verdade, segundo o relatório, isso só funciona numa recessão sem pressão inflacionária.

Ou seja, a economia desacelera, a inflação cede e o banco central corta os juros. Com juros caindo, os títulos se valorizam e compensam a queda da bolsa. É essa dinâmica que explica a correlação negativa entre ações e renda fixa.

Só que o problema aparece quando a economia desacelera sob pressão inflacionária. Nesse cenário, o banco central não consegue cortar os juros como deveria, porque precisa segurar a inflação. Os juros não caem e os títulos perdem valor junto com as ações. O resultado é uma correlação positiva.

A proteção some justamente quando você mais precisa dela…

E o que o J.P. Morgan projeta:

• Correlação de 34% entre ações globais e renda fixa americana. A projeção vem subindo desde a edição de 2023;

• Choques de inflação quase duas vezes mais frequentes que no histórico, por causa de governos gastando para trazer para dentro de casa defesa, energia e cadeias de produção;

Isso não quer dizer que a renda fixa perdeu a função. Numa recessão sem inflação, os títulos públicos continuam sendo a principal proteção. O que muda é que eles não dão conta sozinhos. Para a desaceleração com inflação, o J.P. Morgan sugere somar títulos atrelados à inflação (o equivalente às nossas NTN-Bs), ouro, ativos reais e alternativos líquidos.

4. O que Acontece ao Somar 30% de Alternativos

Voltando ao ponto de partida. O J.P. Morgan pega o portfólio 60/40 e propõe uma troca de 30% da carteira por alternativos: private equity, real estate, ativos reais, private credit, hedge funds e infraestrutura.

Segundo o relatório, o retorno vai a 7,5% ao ano com um sharpe 21% maior que o da carteira só com ativos líquidos.

O relatório divide esses ativos em duas funções.

• Private equity, venture capital e private credit turbinam o retorno.

• Hedge funds, ouro e infraestrutura diversificam: o retorno fica igual, mas o Sharpe sobe 22%.

E aqui tem um ponto que conversa com o destaque anterior. O J.P. Morgan chama de “diversificadores testados pelo tempo” justamente três deles: ouro, ativos reais e algumas estratégias de hedge funds, em especial macro e relative value.

Falando em hedge funds, a projeção subiu 1,4 ponto, para 6,7% ao ano. Parte vem dos juros mais altos, que aumentam o rendimento sobre o caixa das posições vendidas. Parte vem de mais volatilidade, que abre espaço para alpha. Outra parte vem de uma mudança na metodologia, que separa de outro jeito o que é retorno de mercado e o que é habilidade do gestor.

Agora, a minha ressalva…

Ativos ilíquidos não têm preço de tela. Eles são avaliados de tempos em tempos. A avaliação nova costuma partir da anterior. Isso suaviza os retornos (o tal do smoothing). A volatilidade e a correlação com a bolsa aparecem menores do que são, o que infla o Sharpe.

Para ser justo, o J.P. Morgan sabe disso e aplica um ajuste para desfazer a suavização. Só que o ajuste corrige a defasagem de um período. Quando a avaliação arrasta o preço por vários trimestres, parte do risco continua escondida. Mesmo depois da correção, o real estate americano aparece com 11,4% de volatilidade, contra 17,3% dos REITs, que são imóveis negociados em bolsa.

E o ganho de 22% no Sharpe vem justamente do bloco dos diversificadores…

5. A Banalização dos Private Markets

O relatório chama de “democratização” o acesso do investidor comum aos private markets. Confesso que eu não gosto muito do termo, porque democratização soa como algo bom. O que eu vejo está mais para uma banalização.

Nos EUA, o J.P. Morgan cita uma projeção de que a alocação do varejo em private capital, dentro das contas de aposentadoria, pode crescer de forma exponencial até 2030.

A porta de entrada são os veículos semilíquidos: fundos que oferecem resgate mensal ou trimestral sobre ativos que, por natureza, não têm liquidez. O relatório avisa que eles funcionam bem em mercado calmo, mas podem se comportar de forma pró-cíclica sob estresse.

Traduzindo: quando todo mundo quer sair ao mesmo tempo, a porta fica estreita.

Nós já vimos episódios envolvendo problema de liquidez na edição do ITM #31, quando a porta de saída é estreita demais para todos saírem ao mesmo tempo. Se você não conferiu essa história, vale a pena voltar e dar uma lida!

Vale lembrar que esses números não são promessa de retorno... São premissas para os próximos 10 a 15 anos, e o próprio J.P. Morgan reconhece que, no curto prazo, os ativos podem se afastar bastante delas.

Mesmo assim, são um ótimo ponto de partida para revisar as premissas que você usa nas suas simulações e na conversa com o cliente. i. A renda fixa voltou a pagar, mas deixou de proteger sozinha. ii. Os alternativos melhoram a carteira no papel, mas pedem um olhar mais crítico sobre risco e liquidez.

Se você não conferiu a última edição do In The Money #60 The Wealth Life Cycle, não deixe de clicar no link abaixo.

In The Money #60

Nos vemos no próximo domingo!

Se você ainda não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

The Wealth Life Cycle

No In The Money #34, eu comentei brevemente sobre Wealth Life Cycle e prometi voltar ao tema. Aliás, se você ainda não leu a edição passada, recomendo que clique no botão abaixo para não pegar o bonde andando…

In The Money #34

Estamos todos na mesma página? Ótimo, vamos ao tema de hoje!

A proposta é dedicar essa edição inteira para destrinchar as 7 fases do Wealth Life Cycle, mostrar como cada uma altera a composição do balanço econômico do cliente e suas preferências e abrir a conversa sobre o que a consultoria padrão brasileira ainda não está fazendo direito.

Mas antes das fases, precisamos fazer uma calibragem conceitual. Sem ela, as 7 fases viram só uma lista etária e não conseguiremos nos aprofundar como deveríamos.

Human Capital, Financial Capital e Economic Balance Sheet

Todo cliente ou prospect que você presta assessoria sempre estará carregando dois tipos de ativo em seu balanço patrimonial pessoal. Um você irá ver no APP da corretora/banco. Já o outro não aparece em lugar nenhum do seu sistema. Às vezes, nem mesmo o cliente sabe que tem.

Esse tal ativo invisível é o Human Capital. Ele representa o valor presente dos rendimentos que o cliente ainda vai gerar do próprio trabalho ao longo da vida útil. Para calcular, precisamos de quatro inputs:

• Rendimento futuro esperado do trabalho;

• Probabilidade de sobrevivência em cada ano futuro;

• Taxa livre de risco nominal;

• Spread de prêmio pelo risco associado à incerteza da renda futura.

O último input é o que diferencia o servidor público do empresário de Tech. Uma renda previsível aceita desconto menor enquanto uma renda mais volátil exige prêmio maior que faz com que o PV diminua.

O ativo padrão que já conhecemos chama Financial Capital. Investimentos, imóveis, participações em empresas... O que de fato conseguimos ver na posição do cliente.

A soma desses dois ativos é o que a literatura chama de Economic Assets (Financial Capital + Human Capital).

Se fizermos essa mesma análise do lado do passivo, ou seja, considerarmos o valor presente do consumo futuro com base na expectativa de padrão de vida do cliente, chegamos nas Extended Liabilities. Somando ela com as liabilities que vemos de fato no balanço patrimonial do cliente, temos as Economic Liabilities.

Com essas novas variáveis na equação, chegamos ao Economic Net Worth do cliente. É basicamente o que sobra entre Economic Assets e Economic Liabilities, levando em consideração esse olhar expandido com gastos e ganhos futuros.

A alocação pensada só a partir do Financial Capital, por exemplo, pode ignorar boa parte do ativo de um cliente, dependendo de sua fase.

Ao longo da vida, quando o cliente vai ficando mais velho, a relação Human Capital x Financial Capital naturalmente também muda…

No início, é quase 100% Human Capital. No fim é quase 100% Financial Capital. O cruzamento tende a acontecer em algum ponto entre os 50 e 55 anos para a maioria dos profissionais.

Com esse frame montado e esclarecido, agora sim vamos às fases.

1. Education (até 25)

Economic Wealth ~100% : Human Capital | ~0% Financial Capital.

O jovem nessa fase raramente é cliente direto do assessor… Mas o pai dele sim. É ele quem irá decidir onde alocar parte do orçamento familiar para potencializar o Human Capital do jovem.

Cada real direcionado a formação, idiomas, intercâmbio, networking e experiência de trabalho qualificada irá render juros compostos pelas 4-5 décadas seguintes. Olhando por essa ótica mais holística, o cliente que paga R$ 120 mil por ano numa faculdade privada para o filho está fazendo um asset allocation no Human Capital dele.

2. Early Career (25 a 35)

Economic Wealth ~85-95% : Human Capital | ~5-15% Financial Capital.

Aqui o cliente está iniciando a sua carreira profissional.

Aos bem orientados, é o início do hábito de poupar. Porém temos alguns obstáculos na frente… Em muitos casos, vemos o início do acesso ao crédito. É a fase do primeiro financiamento, do primeiro consórcio de carro…

A conversão de Human Capital em Financial Capital começa sim a acontecer, mas em ritmo um tanto quanto lento. Do outro lado, as economic liabilities podem pesar caso a utilização do crédito seja feita de forma exagerada e o lifestyle escolhido comece a se desprender da realidade.

Aqui mora um paradoxo que precisa ser dito com todas as letras. Segundo a literatura, um cliente de 30 anos que tem 35-40 anos de Human Capital ativo pela frente deveria estar mais exposto a equity do que em fases mais avançadas. Mas o que o mercado brasileiro oferece para esse cliente? CDB 105% do CDI, Debêntures IPCA+ de longo prazo, fundos de crédito privado…

E é assim que o vício no CDI começa…

3. Career Development (35 a 50)

Economic Wealth ~60-80% : Human Capital | ~20-40% : Financial Capital

A renda cresce de forma material!

Promoções, mudanças de empresa, eventual abertura de negócio próprio… O que foi plantado na fase anterior começa a dar as caras!

Mas junto também vem a expansão das responsabilidades familiares e, consequentemente, o aumento na expectativa de gastos (tanto no presente quanto no futuro). Mudança para um apartamento maior, filho que entra na escola particular, eventual segundo filho, plano de saúde familiar, suporte ocasional aos pais que começam a envelhecer… Cada uma dessas linhas é PV de consumo futuro entrando no balanço.

O Human Capital ainda é maior que o Financial Capital, mas a sua volatilidade aumenta. Mais pessoas dependem dele. Se o cliente perde a fonte de renda nessa fase, o estrago no Economic Net Worth é bem mais preocupante do que era em Early Career.

É a fase em que o seguro de vida deixa de ser o “produto que me empurraram” e passa a ser a peça fundamental para equilibrar os pratos em casos extremos. O seguro de vida nessa fase pode ser considerado um hedge do Human Capital contra mortality risk. Se o cliente morre, a família perde o PV de todos os rendimentos futuros que ele geraria. O seguro cobre essa perda específica.

Embora o foco do cliente esteja apenas na rentabilidade da carteira, você precisa estar ciente de que ele está provendo para um filho que está na fase Education, começando a se preocupar com os pais que estão entrando em Early ou Later Retirement e que ainda precisa acumular patrimônio para a sua própria aposentadoria.

Três fases rodando simultaneamente no economic balance sheet da família dele. Não é uma tarefa fácil!

4. Peak Accumulation (50 a 60)

Economic Wealth ~30-50% : Human Capital | ~50-70% : Financial Capital

Finalmente, a renda chega ao topo da curva profissional!

Salário alto, bônus, stock options, posição de liderança…

É também a fase em que, pela primeira vez, o cliente olha para frente e percebe que o Human Capital é finito.

Até aqui ele pode ter investido sem qualquer tipo de planejamento financeiro, poupando o que dava no final de cada mês e alocando via Asset Only. Render acima do CDI já era um resultado ok…

Porém, daqui em diante ele precisará de um planejamento financeiro orientado à aposentadoria. Não que antes ele não precisasse, mas agora é primordial!

A interseção finalmente acontece. O Financial Capital ultrapassa o Human Capital e a composição do Economic Balance Sheet se inverte. Uma das consequências dessa nova disposição é a mudança da interpretação do risco para o planejamento financeiro.

O risco dominante deixa de ser a perda da principal fonte de renda (impacto direto no Human Capital) e passa a ser de fato a volatilidade da carteira (impacto direto no Financial Capital).

Algumas mudanças precisam ser feitas…

5. Pre-Retirement (60 a 65)

Economic Wealth ~10-20% : Human Capital | ~80-90% : Financial Capital

Se na fase anterior a renda chegou ao topo, agora é a vez do patrimônio atingir o ponto máximo!! 🏆

Mas também temos o ponto de máxima vulnerabilidade!! 😱

O Financial Capital atinge seu valor máximo histórico. O Human Capital está esgotando rápido. Se algo der errado nessa janela, sobra pouco tempo para reconstruir.

Mudanças de estilo de vida começam a ser discutidas abertamente entre a família…

Redução de jornada de trabalho, transição para conselho, eventual venda de empresa, mudança para uma casa menor ou até mesmo para o interior… Cada uma dessas decisões é, no fundo, um ajuste nas Economic Liabilities do cliente.

Essa janela tem um nome na literatura: Retirement red zone. É onde uma sequência ruim de retornos ou resgates acima do previsto podem destruir um plano de aposentadoria inteiro. Monitorar essa dinâmica de perto durante essa transição será fundamental para que o cliente consiga se aposentar mais confiante.

Também começa a ser discutido alocações que geram fluxo de caixa, de preferência com isenção de IR.

6. Early Retirement (65 a 75)

Economic Wealth ~0-5% : Human Capital | ~95-100% : Financial Capital

Human Capital essencialmente zerado. Financial Capital faz o trabalho inteiro de sustentar o consumo familiar, que continua relevante e tem horizonte de mais 15 a 25 anos pela frente.

E aqui mora a contraintuição. O cliente nessa fase ainda pode precisar de risco no portfolio. Não pelos motivos clássicos, mas pela matemática da longevidade. Se o horizonte é de 20+ anos, ele tem tempo para suportar volatilidade e precisa de crescimento real para não perder poder de compra ao longo desse período.

Depois de atravessar o red zone com mais renda fixa, pode fazer sentido reaumentar equity ao longo dos 10 a 15 primeiros anos de aposentadoria. O gráfico de alocação não é uma rampa descendente. É um U.

Saindo um pouco da alocação do portfólio e indo para um olhar mais holístico, aqui entra um componente que quase nenhuma consultoria brasileira endereça: a inflação médica.

O VCMH (Variação do Custo Médico Hospitalar) do IESS rodou em torno de 14% em 2024 enquanto o IPCA no mesmo período foi 4,83%. Se o gasto com saúde começa a ser mais dominante no orçamento, o cálculo para a inflação pessoal precisa necessariamente aumentar.

A inflação pessoal é um dos inputs mais importantes para o estudo de viabilidade do planejamento financeiro, uma vez que utilizamos valores reais para as projeções. Quem faz projeção de aposentadoria com IPCA único possivelmente está subestimando as economic liabilities do cliente.

7. Later Retirement (75+)

Economic Wealth ~0% : Human Capital | ~100% : Financial Capital

A característica que define essa fase é o longevity risk. Risco de viver muito ou mais do que o esperado. Mais especificamente, podemos dizer que é o risco de viver mais do que o Financial Capital consegue sustentar.

Uma vez que a aposentadoria estiver dentro do esperado, com o Financial Capital absorvendo com folga o longevity risk, a preocupação começa a ser com os familiares que irão herdar o seu patrimônio. A conversa padrão que vemos é aumentar a exposição em produtos previdenciários para facilitar a forma como os herdeiros irão encarar a sucessão. Mas nesse momento o seu diferencial pode ir além…

Aqui, o cliente está preocupado não só com a forma como os recursos irão chegar às mãos de seus herdeiros, mas também se eles estarão preparados e bem assessorados quando a hora chegar. Então, caso ainda não tenha feito, você pode abrir o atendimento para a família e se posicionar como o profissional financeiro central.

Isso não é uma tarefa fácil… muitas vezes os filhos já possuem outro profissional de confiança. Segundo a Cerulli Associates, mais de 90% dos herdeiros nem cogitam a ideia de continuar com os assessores/consultores dos pais.

The Asset That Hasn’t Arrived

Antes de fechar, irei deixar uma provocação técnica que fala diretamente com a edição anterior.

O modelo clássico define Human Capital como PV dos rendimentos futuros do próprio trabalho. E isso faz todo sentido para as gerações que construíram patrimônio do zero. Mas lembrem-se de que estamos no meio da maior transferência de riqueza já vista na história!

Será que, a partir de um certo ponto, não deveríamos incluir outros componentes no cálculo? 🤔

Afinal, se uma parcela relevante dos clientes atuais vai receber herança, e em muitos casos essa herança sozinha já ultrapassaria o threshold de HNW, a herança projetada é um componente material do Economic Net Worth daquela pessoa.

Talvez não seja prudente considerar nas fases iniciais, mas ao final do Peak Accumulation e durante o Pre-Retirement pode fazer sentido trazer essa reflexão para a mesa. O ponto sensível é que, tecnicamente, essa parcela não é nem rendimento do trabalho e nem é Financial Capital ainda.

Sinceramente, ainda não tenho uma resposta concreta de como devemos tratar essa nova variável, mas tenho certeza que veremos cada vez mais essa conversa daqui pra frente.

Se você não conferiu a última edição do In The Money #59 Adrenalina Financeira: O Novo Comportamento do Investidor de Varejo, não deixe de clicar no link abaixo.

In The Money #59

Nos vemos no próximo domingo!

Se você ainda não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

Adrenalina Financeira: O Novo Comportamento do Investidor de Varejo

Hoje quero trazer para a nossa edição dominical um movimento que está rolando com o investidor de varejo americano… e que, cá entre nós, me preocupa bastante.

O investidor pessoa física nos EUA está levando para os investimentos de longo prazo o mesmo comportamento que usa para apostar. Ele acredita que está investindo para o longo prazo, mas decide com o mesmo “racional” de quem abre e fecha uma odd.

Como os EUA costumam ditar a tendência para o resto do mundo, me parece questão de tempo até isso respingar no comportamento do investidor brasileiro…

Por isso vale entender agora o que está acontecendo por lá.

Sem mais delongas, vamos lá!

Opções Que Vencem no Mesmo Dia

Todos aqui já estão bem familiarizados com os conceitos de opções. As características padrão são de comum conhecimento.

Mas vocês sabiam que existem opções que são lançadas e vencem no mesmo dia? 🤔

Elas se chamam 0DTE (zero days to expiration). A operação nasce de manhã e morre no fechamento do pregão.

E elas deixaram de ser curiosidade faz tempo... Em setembro de 2025, as 0DTE já respondiam por cerca de 60% de todo o volume de opções do S&P 500.

Ou seja: 6 em cada 10 contratos de opções do S&P 500 vencem no mesmo dia em que foram negociados! E quem puxa esse volume é o varejo.

Em 2026, o movimento acelerou. Segundo a Cboe:

• As 0DTE passaram de 20 milhões de contratos por dia, alta de 46% no ano;

• Só no S&P 500, o volume dessas opções quase triplicou desde o início de 2024;

• O ticket médio das ordens segue caindo, sinal de que esse jogo deixou de ser só de institucional;

Na minha opinião, as 0DTE são bilhetes de loteria disfarçados de investimento. E, como todo jogo de loteria, a banca sempre acaba ganhando.

O grande risco aqui é o risco de ruína. A alavancagem que torna possível um ganho rápido pode zerar uma conta na mesma velocidade. Isso já não é mais uma estratégia de investimento, virou adrenalina financeira. A maioria dos investidores de varejo não tem gestão de risco nem disciplina para sobreviver a esse jogo no longo prazo.

E isso não é meramente uma opinião minha... Um estudo acadêmico divulgado em 2023 acompanhou as operações do varejo nas 0DTE do S&P 500. Depois que a bolsa passou a listar vencimentos todos os dias, em maio de 2022, o varejo passou a perder US\$ 358 mil por dia!! P O R D I A!!

Só que tem um detalhe… de aproximadamente US\$ 70 milhões perdidos no período, cerca de 60% vieram de custos de transação. A maior parte do prejuízo veio do custo de operar, não da direção do mercado. E do outro lado dessas operações estava o market maker.

Parece Trading, Mas É Aposta

Operar 0DTE dá a sensação de estar fazendo trading de verdade. Tela cheia de gráfico, decisão rápida, resultado no mesmo dia…

E é exatamente essa sensação que engana!

Complexidade não é vantagem. Muitas das métricas que esse investidor acompanha, analisadas isoladamente, não têm poder de previsão nenhum. Ainda mais no horizonte de um único dia!

Quanto mais perto a opção está do vencimento, mais o acaso domina. E quanto mais aleatório é um jogo, mais difícil fica diferenciá-lo de uma aposta.

As 0DTE viraram obsessão do varejo porque vendem a ilusão de controle. Parece a mesa de operações dos filmes, com decisões rápidas, resposta imediata e gráficos para todo lado. Como tem “dado”, tudo parece científico. Mas não é!

Lembrei na hora do currículo do CFA Level III: illusion of control é um dos vieses cognitivos tratados em Behavioral Finance. É acreditar que temos mais controle sobre o resultado do que realmente temos.

A Raiz do Comportamento

Mas se as chances são tão ruins, por que tanta gente insiste? 🤔

Porque as 0DTE funcionam como um loop de dopamina disfarçado de oportunidade!

Aqui entra um ponto que, para mim, explica boa parte dessa mudança de comportamento: as redes sociais.

Passamos o dia sendo treinados para estímulos curtos, vídeos de 15 segundos atrás do outro, uma recompensa atrás da outra. O investidor que vive nesse feed chega ao mercado esperando a mesma coisa. E os produtos de curto prazo entregam exatamente isso.

Apostando em Qualquer Coisa

E se o varejo já estava apostando no intraday, agora ele pode apostar em praticamente qualquer coisa: o resultado de um jogo, o dado de inflação, a próxima decisão do Fed…

É assim que funcionam as plataformas de mercados preditivos.

Kalshi e Polymarket negociam contratos sobre eventos futuros, quase sempre com resposta “sim” ou “não”. Por exemplo, para o evento “O dado de inflação vai vir acima de tal nível?”, um contrato negociado a US\$ 0,60 indica que o mercado vê 60% de chance de o evento acontecer. Se acontecer, ele paga US\$ 1. Se não, vale zero.

E o crescimento é absurdo!!

• abr/25 → menos de US\$ 5 bi por mês;

• abr/26 → mais de US\$ 24 bi por mês;

O público mais exposto são os jovens. Quase um terço da Gen Z e cerca de um quarto dos millennials americanos já colocam dinheiro em mercados preditivos ou apostas esportivas, ou estão considerando colocar.

Há quem defenda que os mercados preditivos são uma “ponte” para o mercado de ações: a pessoa começa nos contratos de evento e depois evolui para as opções. Só que, se o investidor adquire o comportamento de aposta desde cedo, é questão de tempo para ele ser eliminado do jogo de longo prazo.

Na tela do celular, tentar prever e investir parecem a mesma coisa: preço mudando, botão de compra e venda, saldo subindo e descendo. Mas a diferença é enorme!

Payoff binário, taxas, pouca liquidez e os vieses de sempre (excesso de confiança, efeito manada) tornam esses contratos inadequados para aposentadoria ou para qualquer outro objetivo de curto/médio/longo prazo.

My Personal Takeaway

Três leituras que eu tiro dessa história.

A primeira é que as 0DTE e os mercados preditivos são só a parte mais visível dessa mudança. O que preocupa é esse comportamento chegando à carteira de longo prazo: o investidor acredita que está investindo para o longo prazo, mas decide com a cabeça de quem está apostando, querendo resultado rápido e reagindo a cada oscilação do mercado.

A segunda é o risco de ruína. Os juros compostos só funcionam para quem continua no jogo e dá tempo para a carteira trabalhar. Quem trata o investimento de longo prazo com mentalidade de aposta pode zerar a conta numa sequência ruim de operações alavancadas. Também pode abandonar a estratégia na primeira vez que ela não entrega o resultado imediato. Nos dois casos, ele é eliminado do jogo antes de colher a composição.

A terceira é entender de onde vem esse comportamento. O novo investidor passa o dia sendo treinado pelas redes sociais para a recompensa rápida. É uma dopamina barata, que chega em segundos. Quando ele abre o app da corretora, o cérebro procura o mesmo estímulo. Esperar anos por um resultado fica quase insuportável para quem se acostumou a ser recompensado a cada vídeo de 15 segundos.

E aqui volto ao ponto do início. Se isso está acontecendo nos EUA, me parece questão de tempo até esse comportamento respingar no investidor brasileiro. O cliente vai continuar dizendo que pensa no longo prazo… cabe a nós perceber quando ele começar a agir como apostador.

Agora me responda: você já percebeu algum cliente tratando a carteira de longo prazo como aposta? 🤔

Comente aqui abaixo!

Deixe um comentário

O longo prazo só funciona para quem continua no jogo…

Se você não conferiu a última edição do In The Money #58 Visão das Assets, não deixe de clicar no link abaixo.

In The Money #58

Nos vemos no próximo domingo!

Se você ainda não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

Visão das Assets

Olha o carteiro chegando…

Teve um início de mês corrido e não deu tempo de se atualizar sobre os posicionamentos das principais gestoras do mercado?

Sem problemas… Vou facilitar a sua vida e compartilhar aqui abaixo de forma bem direta e reta.

Se você sentir falta de alguma gestora aqui abaixo, escreva nos comentários para que eu adicione nas próximas edições.

As posições aqui abaixo refletem as informações contidas nas cartas dos gestores referente ao fechamento de setembro.

Kinea

• 📉 Juros: Aplicada em juros Brasil (posicionada para taxas abaixo do precificado) | Aplicada na Zona do Euro | Aplicada no Reino Unido | Aplicada na Nova Zelândia | Aplicada no México

• 📊 Bolsa: Comprada em bolsa brasileira, principalmente via EWZ (posição tática ligada à eleição) | Comprada em tecnologia nos EUA via opções de Nasdaq | Comprada em índices da Coreia e de Taiwan | Comprada em biotecnologia | No Brasil, comprada em financeiras e Embraer

• 💱 Moedas: Comprada em Won sul-coreano | Comprada em Dólar taiwanês | Comprada em Real | Comprada em Dólar contra moedas europeias | Vendida em Libra | Vendida em Euro

• 🛢 Commodities: Comprada em Ouro (posição pequena) | Comprada em Cobre | Comprada em Petróleo (também usado como hedge; exposição reduzida) | Comprada em Grãos | Comprada em Boi gordo

Kapitalo K10

• 📉 Juros: Aplicada no Brasil (reduzida marginalmente) | Aplicada no Reino Unido | Tomada na parte curta da curva dos EUA

• 📊 Bolsa: Comprada em tecnologia nos EUA | Comprada em bolsa brasileira (reduzida no mês)

• 💱 Moedas: Comprada em Peso chileno | Comprada em Real | Vendida em Libra | Vendida em Dólar norte-americano | Vendida em Franco suíço | Vendida em Baht tailandês

• 🛢 Commodities: Vendida em Café | Vendida em Açúcar | Mantém a desinclinação em petróleo

Ibiuna

• 📉 Juros: Aplicada em juros nominais curtos e longos no Brasil | Comprada em inflação curta no Brasil + valor relativo nas curvas real e implícita | Tomada nos EUA | Comprada no spread França/Alemanha | Aplicada em emergentes selecionados (reduzida no mês)

• 📊 Bolsa: Comprada na bolsa brasileira (via opções) + long-short não direcional no Brasil

• 💱 Moedas: Comprada em Dólar | Comprada em Yuan | Comprada em Real | Comprada em Florim húngaro | Vendida em Euro | Trades táticos via opções de curto prazo

• 🛢 Commodities: Não mencionado

Ace Capital

• 📉 Juros: Aplicada nas partes curta e longa da curva no Brasil | Vendida em inflação implícita no Brasil | Levemente tomada em juros internacionais

• 📊 Bolsa: Comprada em bolsa brasileira (exposição aumentada) | Comprada em bolsa americana (exposição ampliada) | Valor relativo comprado em bancos, energia elétrica e saneamento, com novos nomes domésticos

• 💱 Moedas: Comprada em Dólar contra cesta de moedas (euro, renminbi, franco suíço e dólar canadense) | Vendida em Dólar contra o Real | Pequena posição tomada em cupom cambial

• 🛢 Commodities: Comprada em Petróleo (posição menor, no livro de valor relativo)

Bahia AM

• 📉 Juros: Aplicada em juros nominais e reais no Brasil | Comprada na inclinação de juro nominal Brasil | Posições relativas de inclinação nas curvas nominal e real | Posições relativas em reuniões do Fed | Aplicada em reuniões do Banco do Canadá | Tomada em juro longo americano

• 📊 Bolsa: Comprada em bolsa brasileira | Comprada em bolsa americana

• 💱 Moedas: Comprada em Dólar australiano (contra cesta de moedas)

• 🛢 Commodities: Comprada em Ouro

Legacy

• 📉 Juros: Próxima da neutralidade nos EUA, começando a aplicar de forma tática | Aplicada em juros Brasil (dentro do “kit Brasil”)

• 📊 Bolsa: Comprada em ações globais de forma seletiva (empresas com lucros consistentes e retorno acima do custo de capital) | Comprada em bolsa brasileira (dentro do “kit Brasil”)

• 💱 Moedas: Neutra em Dólar (espera níveis melhores para voltar a comprar) | Comprada em Real (dentro do “kit Brasil”)

• 🛢 Commodities: Sem posição reportada

Absolute

Mapa de Posições

Se você não conferiu a última edição do In The Money #57 Citi Global Family Office Report 2026: O que Mudou em 12 Meses, não deixe de clicar no link abaixo.

In The Money #57

Nos vemos no próximo domingo!

Se você ainda não é inscrito, considere se inscrever no link abaixo!

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

Citi Global Family Office Report 2026: O que Mudou em 12 Meses

Há 12 meses atrás trouxe aqui para vocês no ITM #05, onde falei sobre o Global Family Office Report, publicado pelo Citi. Agora, saiu a edição 2026 e dá pra fazer algo bem interessante…

Vamos comparar o que os mesmos tipos de investidores pensavam há 12 meses com o que pensam hoje.

A amostra deste ano tem 351 family offices em 41 países. 54% com mais de US\$ 500 milhões e metade ainda comandada pela primeira geração familiar.

O próprio Citi resume o relatório em três palavras:

• Capital → Como estão investindo;

• Capability → Como estão se organizando;

• Continuity → Como pretendem passar tudo isso para a próxima geração;

Nas palavras deles, o capital cria a oportunidade, a capacidade transforma em resultado e a continuidade faz perdurar.

Daqui para baixo, vou seguir essa mesma ordem. Mas antes de começarmos, dá só uma olhada como o mapa de preocupações mudou de um ano pro outro:

• Tarifas / guerra comercial: 60% em 2025 → 18% em 2026

• Relação EUA x China: 43% → 22%

• Inflação: 37% → 63%, agora em 1º lugar (76% na América Latina)

Em 2025, tarifa era o assunto de toda reunião. Doze meses depois, virou um mero detalhe. Me parece que o mercado tem o costume de normalizar as tensões geopolíticas… O que não significa que elas deixaram de existir!

Capital: The Drawdown Gap

Vamos começar pelo dinheiro.

Quando veio a volatilidade do conflito no Oriente Médio, lá em março de 2026, 41% dos family offices não mudaram nada na estratégia. Se formos olhar para os que se mexeram, a resposta foi indicando gestão ativa (34%) e hedge (27%). Os que mexeram com viés defensivo representam apenas 18% da amostra.

Isso me levantou um questionamento… quanto que um family office precisa cair para rever a estratégia?

Vamos matar esse questionamento com dados do relatório:

• 71% só revisam a estratégia com uma queda de 11% ou mais;

• A faixa mais comum é entre 11% e 15% (24%);

• Na América Latina, ninguém revisa com queda abaixo de 5%. Zero!

O CIO do Citi ainda traz um dado que ajuda a entender essa calma: desde 2020, com exceção de 2022, 7 das últimas 11 quedas de 3% ou mais na bolsa americana se recuperaram em média em 11 pregões.

Agora vamos trazer isso para a nossa realidade…

Na edição do ITM #30, eu falei dos 18 dias entre fevereiro e março em que a indústria de multimercados teve um dos meses mais difíceis da história, tendo um drawdown agregado de -4,06%. O segundo pior da história, para ser mais específico.

Agora me responda: quantas conversas você teve sobre resgates de fundos naquelas duas semanas? 🤔

Na verdade, o segredo dos family offices está no alinhamento prévio.

Eles definem a régua antes mesmo da tempestade. Tem IPS, comitê, regras para disparar uma revisão. A maioria dos nossos clientes acaba descobrindo a própria tolerância a perda no meio do drawdown, olhando o número vermelho na tela.

Você já combinou com o seu cliente qual queda faz vocês sentarem para rever a estratégia? Ou vai descobrir junto com ele?

Capability: From Pilot to Process

O segundo pilar é sobre como esses escritórios estão se organizando. E aqui a AI aparece pela primeira vez no relatório, mas para nós já é figurinha carimbada né?

No ano passado, mais da metade dos family offices não usava AI para nada. NADA!

Hoje, só 19% estão nessa situação. 40% estão em adoção inicial e 30% em adoção moderada.

Mas para que estão usando? 🤔

Aqui, a resposta mais intuitiva acaba errando. Apenas 4% estão usando para melhorar o retorno dos portfólios. 43% nem tentam… O ganho mais citado é no processo! 67% dizem utilizar AI para aumentar a velocidade de processar informações.

E aqui tem um dado curioso sobre a nossa região. A América Latina lidera o uso operacional:

• Conciliação automatizada: 41% (média global de 21%)

• Relatório de performance automatizado: 45% (global de 31%)

• Redução de trabalho manual como benefício real: 50% (global de 35%)

Traduzindo para o nosso dia a dia: batimento de cota, relatório mensal pro cliente, consolidação de carteira. Exatamente o trabalho que come a semana de qualquer time de daily banker.

Quem leu o ITM #41 vai lembrar do paper “AI in the Family Office”, também do Citi. Ele é lembrado neste relatório. Lá era uma informação mais qualitativa, com entrevistas. Já agora, estamos indo para dados quantitativos, com números específicos.

Agora falando sobre governança, ela também andou junto:

• Comitê de investimentos: 53% → 63%

• IPS formal: 45% → 55%

• Processo robusto de due diligence: 54% → 60%

Não acho que seja mera coincidência... A AI só automatiza o processo que existe. Se a informação está espalhada em cinco planilhas e na cabeça de uma pessoa, não tem ferramenta que resolva…

Continuity: Future Leaders, Not Just Future Owners

Agora o bloco que, na minha opinião, é o mais importante do relatório.

Cerca de um terço dos family offices espera uma troca de liderança nos próximos cinco anos. Lembra que eu falei no início que 50% ainda se encontravam na primeira geração familiar? Então… esses vão passar por um processo inédito em suas vidas.

E sabe quantos se dizem bem preparados? 17%! D E Z E S S E T E!!

Outros 34% se dizem “mais ou menos” preparados e 21% simplesmente não sabem…

Na América Latina, o quadro é mais delicado:

• Bem preparados: **9%**

• Não sabem: 30%

• Plano de sucessão pouco claro: 42%

• Futuros líderes pouco preparados: 35%

Mas o levantamento que eu mais gostei vem na sequência. O Citi perguntou qual é o maior obstáculo para preparar os futuros líderes da família. Olha a resposta:

- Falta de clareza sobre o papel futuro: 46%;

- Falta de senso de urgência na família: 42%;

- Falta de engajamento da próxima geração: 39%;

- Falta de oportunidades de educação: 9%;

O problema maior das famílias é a falta de propósito claro para o sucessor. Falta uma cadeira para ele assumir. Não é nem falta de conhecimento…

O herdeiro não sabe qual vai ser o papel dele. E sem saber o papel, não tem por que se engajar. Na terceira geração em diante, falta de engajamento vira o problema número um!

Esse tema não é novo por aqui. Já são três relatórios apontando para o mesmo lugar:

• ITM #26: o JP Morgan mostrou que 86% dos family offices não têm um plano de sucessão claro;

• ITM #40: o UBS mostrou que só 27% têm um processo estruturado de preparação da próxima geração, e que 21% dos herdeiros com idade para participar estão completamente de fora;

• ITM #57: 17% bem preparados e um problema que é de papel, não de educação;

E aqui entra a parte que interessa diretamente a quem atende essas famílias.

Entre as práticas que os family offices já usam para preparar a próxima geração, a segunda mais comum é levar os herdeiros para as reuniões com os assessores (47%). Só perde para as reuniões de família (56%).

No ITM #34, vimos que, segundo a Cerulli, 90% dos investidores americanos nem consideram seguir com o advisor dos pais.

Agora junta as duas coisas…

Quantos herdeiros dos seus clientes você conhece pelo nome? Quantos já sentaram na sua frente?

O patrimônio vai trocar de mãos. Quem não conhece a próxima geração corre o risco de ser trocado junto…

O Citi fecha o relatório dizendo que o family office do futuro será uma stewardship organization: uma estrutura que preserva não só o capital, mas o conhecimento, os valores e a capacidade de decisão da família.

Eu acrescentaria mais uma coisa. O assessor que quiser continuar nessa conversa vai precisar fazer parte dessa estrutura por completo, e não só da carteira de investimento.

E aqui não estou falando para que você seja especialista de tudo. Até porque não é factível… O próprio relatório traz que nem tudo precisa ser solução in-house. Profissionais externos podem muito bem ser incluídos na conversa para atender as demais necessidades da família.

My Personal Takeaway

Três leituras que eu tiro desse relatório.

A primeira é que o medo do ano passado raramente é o medo deste ano. Tarifa saiu de 60% para 18% em doze meses. Vale lembrar disso na próxima vez que um tema dominar todas as reuniões.

A segunda é que a disciplina é movida mais por alinhamento e processo do que puramente suitability. Os family offices aguentam quedas maiores simplesmente porque definiram a régua antes.

A terceira é um pé atrás que vale ter. Os respondentes são clientes do Citi, a pesquisa começou num evento do Citi e o CIO do Citi escreve que os respondentes concordaram com a visão do Citi. Não invalida os dados, mas é bom ler com essa lente para evitar alguns vieses.

E o recado que fica, de novo, é sucessão. Os relatórios dos três maiores bancos do mundo estão chegando na mesma conclusão. Convenhamos que precisamos levar isso em conta, não concorda?

Se você não conferiu a última edição do In The Money #56 Analisando Prêmio de Risco de EM Bonds, não deixe de clicar no link abaixo.

In The Money #56

Nos vemos no próximo domingo!

Se você ainda não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

Analisando Prêmio de Risco de EM Bonds

Hoje eu quero trazer para a nossa edição dominical um pouco da teoria que aprendi ao longo dos estudos para o CFA Level III Exam e comparar com a realidade que vivemos.

Aproveitando inclusive que estamos chegando perto das eleições, é um timing um tanto quanto interessante…

Dentro do reading Capital Market Expectations, tem um módulo inteiro destinado apenas para compreender os riscos associados à renda fixa de países emergentes e quais fatores contribuem para aumentar o prêmio de risco exigido.

Como vivemos em um país emergente, a associação é quase imediata com todos os pontos em que são abordados. A compreensão fica até mais fácil, pois acompanhamos isso todo santo dia.

Então veio uma ideia: por que não pegar todos os tópicos, até então generalistas para países emergentes, e comparar com a situação atual do Brasil? 🤔

Primeiro, o currículo separa o estudo em 2 tipos de risco:

• Risco Econômico, que está associado à capacidade do país em pagar as suas dívidas;

• Risco Político/Legal, que está associado à disposição do país em pagar as suas dívidas.

Os sinais que mais preocupam quando analisamos o risco político/legal são menos quantitativos, mas sim qualitativos. São eles:

Direito de propriedade frágil:

Vimos algo nessa linha em 1990, não? 🤔

Corrupção:

No Brasil, infelizmente a corrupção já foi banalizada há muito tempo! Virou algo cultural, incorporado em todas as classes da sociedade. Do “jeitinho brasileiro” até a alta cúpula do governo.

Disputas históricas internacionais mal resolvidas:

Esse é um dos poucos pontos em que não consegui fazer nenhum paralelo com o Brasil. Comente aqui abaixo se você lembrou de algo!

Deixe um comentário

Sistema judiciário com integridade questionável:

Melhor passarmos para o próximo tópico, né? rs

Transição de poder conturbada e não pacífica:

Aqui não vemos muito isso, né? Apenas de 4 em 4 anos… 😂

Enfim… Parece até que quem escreveu o currículo do CFA Level III Exam estava passando uma temporada no Brasil. Mas a realidade é que os países emergentes são classificados dessa forma por uma razão.

Todos esses pontos são observados e incorporados no prêmio de risco dos nossos bonds.

Pode não parecer, mas temos muito mais similaridades com o Egito do que você imagina…

Já do lado do risco econômico, podemos utilizar mais os números para entendermos se um país emergente apresenta sinais de preocupação.

Políticas fiscais e monetárias irresponsáveis:

Se um país apresenta uma relação Dívida/PIB > 70-80% ou um Déficit/PIB > 4%, pode ser um sinal de irresponsabilidade fiscal.

• Dívida/PIB = 82,50% (metodologia Brasil) | 95,40% (metodologia FMI)

• Déficit/PIB = 0,43%

Crescimento econômico real insuficiente para alcançar as economias desenvolvidas:

O esperado de uma economia emergente é que o crescimento real seja maior do que as economias já desenvolvidas. Um crescimento abaixo de 4%, é um sinal de alerta para o país, pois leva a crer que o país não está crescendo o suficiente para acompanhar as demais economias.

Dos últimos dados que temos, o Brasil teve um crescimento de 0.50% YoY no 2º tri de 2026.

Já para o fechamento de 2026, o governo estima um crescimento de 2% para o PIB.

Falta de competitividade:

Aqui o currículo deixa claro que um déficit no current account maior que 4% do PIB de um país, é um sinal de falta de competitividade.

No Brasil, temos um déficit de 3,02% do PIB.

Dívida externa em moeda estrangeira excessiva:

Em relação a outros países emergentes, como a Argentina, o Brasil possui a sua dívida externa muito bem controlada. Comparando com a dívida interna, temos menos de 4% da nossa dívida pública denominada em moeda estrangeira.

O currículo, todavia, pede para comparar o tamanho da nossa DPFe com o PIB. Caso essa relação supere os 50%, pode ser um sinal de alerta. Pegando o último resultado divulgado do 3º tri de 2025, essa relação é cerca de 9% do PIB.

Dentre os pontos apresentados no Risco Econômico e Risco Político/Legal, o Brasil ficou:

• Risco Econômico: 2 de 5

• Risco Político/Legal: 4 de 5 (quase gabaritou)

Lembrando que quanto maior, pior…

Se você não conferiu a última edição do In The Money #55 Aplicação de AI em Wealth Management: Casos Reais, não deixe de clicar no link abaixo.

In The Money #55

Nos vemos no próximo domingo!

Se você ainda não é inscrito, considere se inscrever no link abaixo!

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

Aplicação de AI em Wealth Management: Casos Reais

Nessa edição, vamos trazer casos reais de implementação de AI nos processos das maiores instituições do mercado financeiro.

Ao longo da leitura, quero te propor um desafio… será que você consegue categorizar em qual dos 3 estágios de AI-Adoption a empresa em questão está inserida?

Para quem está perdido e não leu o In The Money #44 AI em Wealth Management: Onde Estamos de Verdade, vou resumir aqui abaixo o que quero dizer com isso…

A Deloitte separa a adoção de AI em wealth management em três estágios. O que faz a empresa subir de um para o outro é o tamanho da autonomia que ela dá para a AI.

• Early stage: A AI entra como ferramenta assistiva. O advisor usa para rascunhar relatório, resumir research, tarefa pontual, e revisa tudo na mão depois. O ganho de produtividade fica na casa dos 32%.

• Expanding stage: Os copilots já estão embutidos no fluxo de trabalho, e a empresa montou a governança que permite delegar tarefa dentro de limites, com o humano no circuito. O ganho sobe pra uns 57%.

• AI-native stage: A automação roda o processo inteiro, de ponta a ponta. O advisor deixa de executar e passa a supervisionar um time de agentes digitais que cuidam de preparação, monitoramento e o operacional recorrente. Aqui o ganho praticamente dobra, algo perto de 103%.

Repara no que puxa o salto de um degrau para o outro… o que decide é o quanto a empresa redesenhou o processo em volta da ferramenta. Ter o copilot e manter o fluxo antigo trava a empresa no primeiro degrau.

Bom… revisado a régua e os conceitos, vamos aos casos!

Devin by Goldman Sachs

O Goldman Sachs adotou o Devin, um engenheiro de software autônomo movido a IA, criado pela startup Cognition. Foi um dos primeiros grandes bancos americanos a usar.

Eles descrevem o Devin como “um novo funcionário”, que assume tarefas no lugar dos desenvolvedores do banco.

A diferença para o GitHub Copilot e outros assistentes de código é a autonomia. O Copilot sugere e completa. O Devin faz o trabalho inteiro sozinho.

O que o Devin faz:

• Cria aplicativo do zero a partir de um pedido em linguagem natural;

• Constrói banco de dados e roda correção e teste em cima de todo o código da empresa;

• Faz o próprio QA: configura o ambiente, reproduz o bug, escreve a correção e testa, sem intervenção humana.

O uso principal é mais interno. O cliente final pode não sentir os impactos diretamente. Um dos principais objetivos, por exemplo, é modernizar o sistema antigo que está em linguagem que quase ninguém utiliza mais.

O Devin roda ao lado dos 12.000 engenheiros humanos do Goldman, meio que uma “força de trabalho híbrida”. Pelas estimativas da IBM, esses mesmos 12.000 engenheiros, com o auxílio do Devin, teriam a mesma produtividade de 14.400 profissionais.

Hazel AI by Altruist

A Hazel é a plataforma de IA da Altruist, uma custodiante americana que atende RIAs. Ela nasceu como um notetaker, mas logo começou a evoluir algumas funcionalidades auxiliares como gravar reunião, resumir, escrever e-mail, abrir tarefa no CRM...

Até então, muito parecido com o que o Granola entrega? Porém uma solução “in-house”, onde eles tinham um controle maior.

Mas o que mudou o jogo de verdade foi o módulo de tax planning, lançado em fevereiro deste ano.

E aqui vale contar como o mercado reagiu neste dia:

• LPL Financial e Raymond James caíram mais de 8%;

• Schwab caiu mais de 7%;

• Ameriprise caiu mais de 6%.

A imprensa até apelidou o dia como o “momento DeepSeek” do wealth management.

Uma feature de uma custodiante relativamente pequena tirou bilhões de market cap das gigantes do setor num dia.

Agora vamos entender o que essa nova feature pode fazer:

• Lê a declaração de IR do investidor americano, contracheques e extratos, e monta cenários de planejamento tributário em minutos;

• Gera vários “what-if”: simula bônus, venda de imóvel, transição de aposentadoria ou mudança no padrão de vida da família, com projeção de imposto em tempo real;

Só pra mostrar o tamanho do interesse dos big players sobre esse tema: em agosto deste ano, a Vanguard fechou a compra da Altruist por cerca de US$ 4 bilhões!!

Só que tem um detalhe… em abril de 2025, a mesma empresa estava avaliada em U$ 1,9 bilhão. Boa parte desse upside se deu justamente pelo avanço da Hazel AI.

Morgan Stanley

O Morgan Stanley foi um dos pioneiros a inserir AI em seus processos internos. Em março de 2023, eles fecharam uma parceria com a OpenAI como seu único parceiro estratégico de wealth e, desde então, vem montando um stack de AI.

A primeira foi o AI @ Morgan Stanley Assistant. Pensa em uma enciclopédia sob medida do banco: em vez de garimpar research, nota e política espalhados por vinte sistemas, o assessor pergunta em linguagem natural e recebe a resposta na hora. O efeito no dia a dia: a eficiência de busca de documento saltou de 20% para 80%, e a adoção chegou a 98% dos times de assessor.

Em 2024, eles lançaram o MS Debrief. Mas aí já voltado mais para a atuação dos advisors na ponta comercial.

Com o consentimento do cliente, o Debrief é ativado na reunião e consegue:

• Anotar a reunião e levantar os call to actions;

• Resumir os pontos-chave depois que ela acaba;

• Escrever o rascunho do e-mail de follow up pro assessor revisar e mandar quando quiser;

• Salvar a nota direto no Salesforce.

Já em 2025, eles disponibilizaram o AskResearchGPT.

Aqui o movimento vai para o outro lado do banco...

O Assistant e o Debrief moram no wealth, no advisor que atende pessoa física. O AskResearchGPT nasceu no institucional, atendendo as áreas de Investment Banking, Sales & Trading e Research.

O Morgan Stanley Research publica mais de 70.000 relatórios proprietários por ano. Bastante material para consultar tudo na mão, né?

Com o AskResearchGPT, eles conseguem sintetizar dados não estruturados e cruzam insight de vários relatórios para atender as demandas dos clientes institucionais.

Agora repara só no arco dos três lançamentos:

• Primeiro a busca interna (Assistant);

• Segundo a reunião com o cliente (Debrief);

• Terceiro o research institucional (AskResearchGPT).

Um pedaço do banco de cada vez…

Rai Agent by Raymond James

A Raymond James é uma das maiores corretoras independentes dos EUA. Em janeiro deste ano ela lançou o Rai, um agente de IA pra operação interna.

Na prática, um chat que responde as dúvidas do dia a dia do assessor e do back-office puxando resposta das próprias bases e políticas da firma, sempre com human-in-the-loop, sendo a decisão final nas mãos de um humano.

Sabe aquela dúvida operacional que faz o assessor abrir três telas e ligar pro suporte? O Rai devolve a resposta na hora, e ainda aprende o cargo, a função e o nível de acesso de cada um pra personalizar.

Mas o Rai não é uma peça solta. Ele faz parte de um stack de AI que a Raymond James vem montando aos poucos, cada ferramenta cobrindo um pedaço do dia do assessor:

• CRM AI note assistant: organiza a nota, aponta próximos passos e action items, e varre a atividade recente do cliente (notas, e-mails, tarefas) pra preparar a reunião;

• Zoom AI meeting summaries integrado ao CRM: resume a reunião do Zoom, cria e acompanha as tarefas ligadas e já rascunha o e-mail de recap;

• Generative AI Search: busca de pergunta e resposta nas bases de conhecimento internas;

• Acesso seguro ao ChatGPT Enterprise e integração com o Microsoft Copilot.

Com essa abordagem AI-based, eles fizeram mais um anúncio interessante em maio deste ano. O Rai foi rebatizado como Raimond e agora ao invés de apenas “responder perguntas”, ele passa a “executar tarefas”.

O exemplo que o próprio CIO deu:

• Antes: “Raimond, como abro uma conta de trust?” e ele explica o passo a passo;

• Próximo: “Quer que eu abra pra você?”

Ele disse que tecnicamente já dá pra fazer isso agora. Porém, estão segurando de propósito, pra dar tempo do assessor se acostumar.

Eu já não compro muito o que ele disse… Acredito que o que trava mesmo, e com razão, é toda a questão de regulação, compliance e segurança de dados.

Se você não conferiu a última edição do In The Money #54 Visão das Assets, não deixe de clicar no link abaixo.

In The Money #54

Nos vemos no próximo domingo!

Se você ainda não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

Visão das Assets

Olha o carteiro chegando…

Teve um início de mês corrido e não deu tempo de se atualizar sobre os posicionamentos das principais gestoras do mercado?

Sem problemas… Vou facilitar a sua vida e compartilhar aqui abaixo de forma bem direta e reta.

Se você sentir falta de alguma gestora aqui abaixo, escreva nos comentários para que eu adicione nas próximas edições.

As posições aqui abaixo refletem as informações contidas nas cartas dos gestores referente ao fechamento de agosto.

Kinea

• 📉 Juros: Aplicada em juros Brasil (posicionada para taxas abaixo do precificado) | Aplicada no México | Aplicada na Nova Zelândia | Aplicada no Reino Unido | Tomada nos EUA (viés de que o Fed pode voltar a subir; ponta longa pressionada por oferta)

• 📊 Bolsa: Comprada em bolsa EUA via S&P 500 e Nasdaq por opções, com I.A., financeiras, tecnologia e aeroespacial | Comprada em emergentes (yield, construção civil, dolarizadas) | Comprada no Brasil em elétricas, saneamento e Minha Casa Minha Vida | Comprada em Embraer

• 💱 Moedas: Comprada em Dólar | Comprada em Won sul-coreano | Comprada em Iene | Vendida em Euro | Vendida em Dólar australiano | Vendida em Libra | Vendida em Peso mexicano

• 🛢 Commodities: Comprada em Ouro | Comprada em Cobre | Comprada em Boi | Comprada em Alumínio | Comprada em cesta agrícola diversificada (algodão, trigo, açúcar, milho) | Petróleo como proteção, sem visão direcional (compra contratos curtos, vende longos)

Kapitalo K10

• 📉 Juros: Aplicada no Brasil | Aplicada na Suécia | Aplicada na África do Sul | Tomada na parte curta da curva dos EUA

• 📊 Bolsa: Comprada em tecnologia nos EUA | Comprada em bolsa brasileira

• 💱 Moedas: Comprada em Peso chileno | Comprada em Lira turca | Comprada em Real | Vendida em Euro | Vendida em Dólar norte-americano | Vendida em Franco suíço

• 🛢 Commodities: Comprada em petróleo curto e vendida em contratos longos (desinclinação) | Vendida em Café | Vendida em Açúcar

Ibiuna

• 📉 Juros: Aplicada em juros nominais curtos no Brasil + valor relativo nas curvas real e implícita | Tomada nos vértices longos do Brasil | Aplicada em emergentes selecionados (ex-Brasil) | Tomada nos EUA | Tomada no Japão | Valor relativo em outros desenvolvidos

• 📊 Bolsa: Comprada na bolsa brasileira (via opções) + long-short não direcional no Brasil | Comprada na bolsa americana

• 💱 Moedas: Comprada em Yuan | Comprada em Florim húngaro | Comprada em Rand sul-africano | Vendida em Euro | Vendida em Dólar

• 🛢 Commodities: Comprada em Ouro (posição pequena)

Ace Capital

• 📉 Juros: Aplicada na parte curta da curva no Brasil | Aplicada no trecho intermediário da curva no Brasil | Posições relativas em juro real no Brasil | Leve e neutra em juros internacionais

• 📊 Bolsa: Comprada em bolsa americana | Comprada em bolsa brasileira | Posições relativas compradas em bancos, energia elétrica, saneamento e commodities

• 💱 Moedas: Cesta comprada em moedas emergentes contra desenvolvidas | Vendida em Dólar (sobretudo contra o real)

• 🛢 Commodities: Sem posição direcional reportada

Bahia AM

• 📉 Juros: Aplicada em juros reais Brasil (posições relativas na curva nominal e real) | Tomada na inclinação de juros nominal Brasil | Posições em inclinação na curva de juros da Europa

• 📊 Bolsa: Comprada em bolsa americana | Comprada em bolsa brasileira

• 💱 Moedas: Comprada em Dólar australiano (contra cesta de moedas) | Comprada em Iene (contra Yuan)

• 🛢 Commodities: Comprada em Ouro

Genoa Radar

• 📉 Juros: Aplicada em juros Brasil (contribuição positiva) | Posições em juros globais (contribuição positiva; direção não especificada)

• 📊 Bolsa: Ações Macro e Ações Micro detratoras no mês (direção não especificada)

• 💱 Moedas: Posições em moedas globais (contribuição positiva; direção não especificada) | Câmbio Brasil detrator no mês (direção não especificada)

• 🛢 Commodities: Sem posição reportada

Legacy

• 📉 Juros: Cautelosa com duration (viés tomado em juros longos globais, por deterioração fiscal, term premium e possibilidade de novas altas do Fed)

• 📊 Bolsa: Comprada em ações americanas | Comprada em bolsa brasileira (alguma exposição ao país, dada a melhora do risco-retorno local)

• 💱 Moedas: Postura mais equilibrada/neutra em dólar (reduziu vendas estruturais em dólar após sinalização do Fed) | Preferência por expressar visões via moedas de fundamentos domésticos mais favoráveis (não especificadas)

• 🛢 Commodities: Comprada em cesta de commodities (contribuição positiva no mês; ativos não especificados)

Absolute

• 📉 Juros: Aplicada em juros locais no Brasil (elevou risco na posição no mês)

• 📊 Bolsa: Comprada em bolsas globais, principalmente americana | Comprada em bolsa brasileira (posições relativas e direcionalmente vendida)

• 💱 Moedas: Comprada em Dólar (parcialmente contra a aplicação em juros locais) | Sem alocação relevante em moedas globais

• 🛢 Commodities: Comprada em Ouro (posição pequena)

Se você não conferiu a última edição do In The Money #53 Overview na Indústria de Fundos: Últimas Atualizações, não deixe de clicar no link abaixo.

In The Money #53

Nos vemos no próximo domingo!

Se você ainda não é inscrito, considere se inscrever no link abaixo!

Assine agora

Agora, além das edições dominicais do In The Money, teremos conteúdo no meu instagram pessoal. Caso queiram acompanhar, é só seguir em https://www.instagram.com/raphacribeiro/

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

1. Overview na Indústria de Fundos: Últimas Atualizações

O mercado está em constante evolução. É por essas e outras que, além de ter que ficar atualizado sobre o cenário macroeconômico, é de suma importância que você fique a par das mudanças dentro da própria indústria de investimentos.

Hoje, quero trazer para vocês um resumo de algumas mudanças que aconteceram recentemente que podem nos ajudar a traçar uma linha de tendência para entender a direção do mercado.

Para que essa análise não fique genérica, vamos focar especialmente no que vê acontecendo na indústria de fundos.

Consolidação da Indústria

Tem um movimento rolando no mercado brasileiro que começou lá em 2022 e que ficou impossível de ignorar agora.

De um lado, o AuM das estratégias macro das assets tradicionais está crescendo. Sim, não é intuitivo pensar isso…

Para ser mais preciso, elas mais que dobraram seu AuM nas estratégias de fundos macro.

Podemos apontar alguns responsáveis por essa evolução:

• Canal de distribuição mais potente;

• Escala operacional;

• Performance relativamente melhor do que as gestoras independentes.

O Itaú é um bom exemplo do que está acontecendo do lado dos tradicionais. Desde meados de 2022, ele vêm incorporando algumas gestoras independentes dentro do seu modelo de multimesas.

Basicamente contratam o time todo para continuar fazendo a gestão da mesma forma. Só que dentro da estrutura da Itaú Asset.

Trouxeram o Marcelo Mendes para a família Optimus. A turma do Opportunity para a família Artax. O Bruno Serra para a família Janeiro…

E a última tendência é justamente essa: gestores de fundos multimercado estão fechando suas empresas independentes e, em muitos casos, buscando bancos para contratar suas equipes e assumir a gestão dos seus fundos.

Um pouco diferente dos casos acima, tivemos a incorporação da Solana pelo Itaú e a venda dos fundos da Gávea para a Bradesco Asset.

Já do outro, as gestoras independentes estão lutando para sobreviver. E muitas vezes acabam fechando as portas.

Desde 2022, o AuM dos sete maiores players independentes caiu pela metade. Foi de R$ 170 bi para R$ 89 bi.

⬇️ Volte e releia esse número. ⬇️

Alguns pontos que podem ter contribuído para isso:

• Alto custo, o famoso 2/20;

• Alta correlação entre as estratégias;

• Baixa performance de forma contínua;

• Forte concorrência dos isentos e dos ETFs;

O Novo 1 com 30 da XP Asset

Um movimento que começou pela XP Asset. A casa saiu do tradicional 2 com 20 para 1% de taxa de administração com 30% de performance.

É de se esperar que, com esse primeiro movimento, outras casas sigam essa tendência para tentar tornar os retornos mais atrativos.

Parece só uma troca de números. Mas deixa eu mostrar na prática o que uma taxa de administração alta faz com a rentabilidade do fundo.

Em março, com a escalada do preço do petróleo, o fundo da XP zerou basicamente todo o risco e ficou rodando no CDI.

E faz sentido. Teoricamente, se o gestor não enxerga assimetria entre risco e retorno, ele poderia ficar parado esperando.

Só que com um custo de 2% em cima, isso fica praticamente impossível. O cliente estaria pagando caro para ficar no CDI…

A conta simplesmente não fecha.

Encerramento do Gávea Macro

Aqui a gente já falou no ITM #50. Se quiser ver a análise completa, com todos os números, é só clicar no link abaixo.

Mas enfim… vale registrar aqui de novo, porque o caso é o retrato de tudo que descrevi lá em cima.

Uma gestora independente das mais tradicionais. A cara da casa era uma personalidade mega renomada do mercado.

E mesmo assim não foi suficiente para manter a estrutura de pé.

Retorno abaixo do CDI de forma constante somado a um custo alto.

Não tem nome que sustente essa conta por muito tempo.

Captação dos ETFs

Enquanto isso tudo acontece do lado da gestão ativa, tem um outro canto do mercado captando forte.

Os ETFs já somam mais de R$ 34 bi de captação líquida em 2026!!

Alguns motivos que podem ter contribuído para isso:

• Mais espaço na mídia;

• Avanço no modelo de fee-based e consultoria;

• Baixo custo;

Na verdade, o que a gente está vendo é uma revolta contra o investimento ativo. Ou melhor, o investimento ativo caro que não entrega. O investidor não aguenta mais pagar caro e se frustrar.

Porém, alocar simplesmente em ETF não resolve o problema. Ainda é preciso acertar no Strategic Asset Allocation, que é o fator que explica mais de 90% do resultado de um portfólio.

E a prateleira só cresce. Nos últimos 12 meses, foram criados aproximadamente uns 70 novos ETFs. Ao todo, já se passam de 200 ETFs listados na B3.

O processo decisório de alocação ainda precisa ser tratado como algo complexo, por mais que o ETF venha para simplificar a exposição de uma determinada classe.

Se você não conferiu a última edição do In The Money #52 Edição Especial: O que aprendi depois de 600 primeiras reuniões, não deixe de clicar no link abaixo.

In The Money #52

Nos vemos no próximo domingo!

Se você ainda não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

Então chegamos a edição de número 52 e, com isso, o In The Money completa seu primeiro ano de existência!! 🙌

Nesses últimos 12 meses falamos dos temas mais importantes que orbitam a vida de quem trabalha atendendo o cliente na ponta final. Relatórios de alocação, cartas de gestores, boas práticas de atendimento, contexto acadêmico, ferramentas de AI, cálculos e estatísticas voltado à avaliação de performance…

Para os que acompanharam todas as edições dominicais do In The Money, espero de verdade que tenham conseguido absorver o conteúdo e aplicá-lo no seu dia a dia.

Está sendo uma jornada e tanto poder compartilhar com vocês o que aprendo na teoria e o que funciona de verdade na prática.

E, devagar e sempre, vamos aumentando o tamanho da nossa comunidade.

🔽 Aproveite e compartilhe com a gente qual edição você achou mais interessante! 🔽

Deixe um comentário

Para comemorar essa marca, hoje vou trazer nessa edição um tema 100% autoral e que adquiri ao longo dos meus 8 anos atendendo clientes pessoa física.

Sem mais delongas, vamos ao In The Money deste domingo!

1. O que aprendi depois de 600 primeiras reuniões

Algumas técnicas se aprendem apenas com a prática. Você pode tirar a certificação que for, mas se não tiver estrada rodada ou sola de sapato gasta, dificilmente irá preencher essa gaveta de conhecimento.

Um desses conhecimentos é como se comportar em frente a um novo cliente ou prospect. E verdade seja dita, a primeira reunião é o que irá ditar o ritmo do relacionamento daqui pra frente. Seja você assessor, consultor ou bancário. Isso serve para todos!

Pensando nisso, resolvi compartilhar alguns insights que podem te ajudar nesse contexto.

Ah… o que vou listar aqui abaixo e 100% baseado na minha experiência e observado de forma empírica. Se tiver algo a comentar ou agregar, sinta-se a vontade para compartilhar conosco nos comentários.

Não tenha medo de fazer perguntas.

A hora de fazer perguntas é agora! Imagina você sair de uma primeira reunião sem saber a profissão do cliente? Ou você ter que mandar uma mensagem depois porque esqueceu de anotar o custo de vida dele?

Não fique com receio das perguntas difíceis. Elas precisam ser feitas! É direito do cliente não querer responder, mas é seu dever fazê-las.

Quanto mais contexto você possui, melhor será a solução que você poderá propor.

Pergunte da maneira correta.

Existem formas e formas de você fazer a mesma pergunta. Vou listar alguns exemplos abaixo.

Ao invés de perguntar “Você tem reserva de emergência?”, você pode dizer “Se você perder a sua renda amanhã, em qual investimento você mexeria primeiro? Quanto tempo duraria?”.

Ao invés de perguntar “Como está a sua sucessão?”, você pode dizer “Seus filhos conseguem acessar o patrimônio na sua falta? E saberiam o que fazer com ele?”.

Ao invés de perguntar “Qual é o seu objetivo?”, você pode dizer “O que você considera sucesso em 5 anos? E em 20 anos?”.

Ao invés de perguntar “Qual o seu perfil de risco?”, você pode dizer “O que você fez da última vez que se frustrou com um investimento?”.

Você percebe que, por mais que seja sutil, a forma que você estrutura a pergunta dá uma outra roupagem para a conversa?

Faça um background check do cliente.

Faça o seu trabalho de casa antes mesmo da reunião. Já sente na frente do cliente com o máximo de informação possível. Aqui você pode procurar no Linkedin, site da empresa, Youtube, entrevistas ou pode até mesmo pedir para quem o indicou fazer um briefing inicial.

Mas calma… isso não quer dizer que você não precisará ouvir da boca dele essas mesmas informações.

A questão é que essa coleta antecipada te dará o contexto necessário para iniciar a condução da reunião.

E aqui vai um insight bônus: Mostre nas entrelinhas que você fez o seu dever de casa. Se ele deu uma entrevista recentemente, deixe claro que você ouviu. Se a empresa dele fez um grande anúncio recentemente, tente trazer para a conversa.

Invista os primeiros minutos em small talk direcionado.

Muitos clientes chegam para a primeira reunião na defensiva, com a guarda muito alta. É seu dever deixá-lo o mais confortável possível.

Até porque iremos entrar em temas sensíveis e muitas vezes tabus. Se o cliente estiver desconfortável, a sua coleta de informação será um desastre.

E aqui que o small talk entra em cena. No Brasil usamos muito o termo “quebra gelo”.

Faça uma regra interna com você mesmo para não tocar em nenhum assunto de investimento por pelo menos 5 minutos. Acredite, não é tão fácil quanto parece.

E aqui vai mais um insight bônus: uma vez feito o background check, esse small talk pode ser intencional e direcionado. Por exemplo, se você viu que o cliente morou em uma outra cidade por um certo tempo e você já visitou essa cidade, puxe um assunto sobre essa vez que você viajou. O cliente automaticamente irá responder com “eu morei lá já”.

Aqui você já conseguiu estabelecer a coleta de informação sem mesmo o cliente saber e já conseguiu criar um canal de conexão. O que nos leva para o próximo insight.

Crie conexão nos minutos iniciais.

Pessoas se conectam com pessoas.

Acredite, o processo todo será muito mais fácil se você conseguir criar alguns canais de conexão com o cliente. E aqui vale até time de futebol.

Uma vez essa conexão criada, você pode até ajustar o seu pitch com metáforas e comparações relacionadas a esse ponto em comum.

Se mostre interessante e interessado.

Aqui é uma via de mão dupla e as duas metades importam.

Acima de tudo, o cliente precisa te achar interessante para manter a atenção ao longo da reunião e te validar como alguém que merece a sua confiança. E aqui não é hora de falsa modéstia: conte da sua formação, sua bagagem, anos de experiência… Claro, nada de forma arrogante, mas deixando claro que ele está diante de alguém que sabe o que está fazendo.

Indo para o outro lado, se mostre genuinamente interessado na vida dele.

Confie, as pessoas conseguem perceber quando a curiosidade é real e quando é só roteiro. Perguntar sobre a profissão, filhos, próximos objetivos não pode soar como um formulário sendo preenchido. Precisa soar como alguém que quer, de verdade, entender quem está ali.

Interessante o suficiente para ser ouvido. Interessado o suficiente para ouvir.

Não menospreze o poder da primeira impressão.

Você provavelmente já ouviu isso a vida inteira, mas vale repetir porque quase ninguém trata com o cuidado que merece.

A primeira impressão começa a ser formada logo no primeiro contato. Ligou direto para alguém que detesta ligação? já começou errado…

Já na primeira reunião, ela se forma nos primeiros segundos antes mesmo de você abrir a boca. E sim, ela tem o poder de contaminar tudo o que vem depois.

Então, faça o básico bem feito! Se a reunião for presencial, se vista bem. Se for por videoconferência, use uma boa câmera, boa iluminação e um plano de fundo arrumado.

Pode parecer bobo, mas é o que separa quem é profissional de quem está tentando parecer profissional.

E aqui vai o problema… é muito difícil desfazer uma primeira impressão ruim. Você vai gastar reuniões inteiras tentando consertar algo que dez segundos de cuidado teriam evitado.

Não economize tempo na coleta de contexto.

Volto no ponto que atravessa essa edição inteira: contexto é o insumo da sua solução.

Quanto mais informação você tem, mais personalizada e mais precisa será a recomendação que você entrega depois.

Imagina descobrir o nome do filho do cliente só na terceira reunião… Ou o cliente sair da sala pensando “ele nem perguntou sobre o meu trabalho”. Esse tipo de lacuna fica marcada e passa a mensagem de que você estava com pressa de vender, e não de entender.

Está tudo bem não recomendar ao final da reunião.

Esse talvez seja o mais contraintuitivo da lista.

Existe uma pressão enorme, principalmente no começo da carreira, de sair da primeira reunião já com uma proposta na mão. Como se não recomendar nada fosse sinal de fraqueza ou despreparo. Deixa eu te contar um segredo… é o contrário!

Não recomendar ao final mostra que você não está ali só para captar mais um cliente. Mas sim para entregar um trabalho completo, feito sob medida.

Você precisa de tempo para digerir o tanto de informação que foi coletado e traduzir em uma recomendação que irá servir exclusivamente esse cliente.

Alinhe isso logo no início: primeira reunião é para trazer clareza e a segunda é focada apenas para apresentar e explicar a solução, podendo já vir algumas etapas operacionais.

Poucos clientes vão se incomodar com isso, a maioria irá respeitar e ver valor na cadência.

Pressa para recomendar fala mais sobre a sua ansiedade.

Se você não conferiu a última edição do In The Money #51 - Global Wealth & Lifestyle Report 2026: Quanto Custa Viver como UHNW, não deixe de clicar no link abaixo.

In The Money #51

Nos vemos no próximo domingo!

Se você ainda não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

1. Global Wealth & Lifestyle Report 2026: Quanto Custa Viver como UHNW

Entender o cliente é o primeiro passo para qualquer estratégia de sucesso, especialmente quando falamos do público Ultra High Net Worth (UHNW).

Compreender hábitos, preferências e diferenças culturais entre as elites globais é um passo a mais para se diferenciar no atendimento ao cliente.

É dentro desse contexto que surge o Julius Baer Global Wealth & Lifestyle Report 2026, um dos relatórios mais completos sobre comportamento, consumo e prioridades financeiras dos indivíduos mais ricos do mundo.

Para quem quiser ler na íntegra, é só clicar aqui.

Quem acompanha o In The Money já viu esse relatório aqui antes. Lá no ITM #11, eu trouxe a edição 2025. Um ano depois e… voilà! O relatório saiu de novo. E aqui vale nos atualizarmos com base nessa nova edição, até porque já deu tempo de ter muita mudança no Mundo, né?

Enfim… Vamos ao que interessa!

O que o relatório mede

Basicamente, o relatório possui dois conceitos que conversam entre si. O primeiro é o Lifestyle Index, que funciona como se fosse um “IPCA premium”. Só que, ao invés de medir a variação de preço da cesta do brasileiro médio, ele mede a variação de preço do lifestyle de um cliente UHNW.

O segundo é o Lifestyle Survey, uma pesquisa que vai atrás do comportamento e tendência de consumo desse mesmo cliente. Aqui vamos entender como e onde esse mesmo cliente gasta a sua fortuna… Também veremos algumas análises comportamentais frente ao patrimônio.

Segundo a lógica da oferta e demanda, acaba que um é consequência do outro. Concorda?

Antes de irmos para os números, vale a pena entender como o Lifestyle Index é composto. Ele acompanha uma cesta de 20 itens (11 bens e 9 serviços) espalhados por 25 cidades, coletados entre novembro de 2025 e março de 2026 e convertidos para dólar.

Aqui, veremos bens e serviços como:

• Voo em classe executiva;

• Escola particular;

• Relógio de luxo;

• Jantar de degustação;

São Paulo, por exemplo, saiu da 16ª colocação em 2025 para se tornar a 12ª cidade com maior aumento no índice, dentre as 25 cidades que compõe o estudo.

Bom… agora sim vamos começar a falar de números.

Para os HNWIs, o índice subiu nada mais nada menos que +10,20% nos últimos 12 meses! Ah… e em dólar!

Repara no tamanho da virada. Na edição que saiu no ITM #11, essa mesma cesta tinha caído -2% em 2025. Só que aqui que mora a pegadinha dessa edição… Boa parte desse aumento é devido a variação cambial. Como a base do Lifestyle Index é em dólar, precisamos ter contexto para interpretar os resultados da maneira correta.

Quem subiu e quem caiu

Singapura segue firme como a cidade mais cara do mundo para o público UHNW, quarto ano seguido no topo. O que muda mesmo é o resto do pódio. Zurique subiu para segundo e Mônaco entrou em terceiro pela primeira vez.

Só que essa escalada não veio do preço local disparando. Em Zurique, por exemplo, nenhuma categoria subiu mais que 8% em franco suíço. O que subiu foi o franco contra o dólar. Lembra que eu falei ali em cima que o Lifestyle Index é calculado em dólar? Então…

Repara no que isso significa. Para um morador de Zurique, esse aumento de +10,20% nunca existiu. Já um turista americano chegando para passar férias nos alpes, achou tudo mais caro.

Mas o contrário também é verdadeiro. Dubai, por exemplo, despencou para 14ª colocação… e boa parte da queda é porque o dirham é atrelado ao dólar. Quando o dólar enfraquece, a cidade inteira desce junto no ranking.

E esse é o recado principal do índice: preço estável localmente não é a mesma coisa que acessível globalmente.

Agora, nem tudo é ilusão cambial. Tem um pedaço da cesta que subiu de verdade… o ouro!

O metal mais que dobrou desde 2024 e isso respingou direto para o mercado de luxo. Joia subiu +16,40% e relógio +15,50% no índice.

Comportamento e alocação

Fechado o índice, vamos para o segundo conceito: o Lifestyle Survey.

O pano de fundo não poderia ser outro a não ser geopolítica! Entre 82% e 95% dos entrevistados se dizem preocupados com o tema.

No consumo, vemos dois comportamentos diferentes:

• Ásia e Oriente Médio gastando forte;

• Europa e Américas segurando a mão (Europa é onde mais encolheu).

Teve uma categoria subiu em todas as regiões, sem exceção: saúde! Saúde é o novo luxo. Seja aqui no Brasil ou na Austrália. Está ficando mais caro para todo Mundo.

Voltando nossa atenção para a alocação e mudanças nas carteiras, a maioria dos participantes mexeram no portfólio por conta do risco geopolítico, e na mesma direção:

• Mais metais preciosos;

• Mais diversificação geográfica (leia-se menos dólar);

• Mais caixa.

Lembra do ITM #40, quando os family offices do UBS estavam fazendo exatamente isso? Reduzindo dólar, aumentando ouro e aumentando a diversificação geográfica? Pois é… mesmo filme por aqui.

O contraste da LatAm

O relatório tem os dados da América Latina espalhados, então juntei o que interessa pra gente…

Vamos começar por um contraste que diz bastante. A América Latina teve o menor crescimento de patrimônio entre todas as regiões… só 60% dos entrevistados viram a riqueza subir, contra 97% na América do Norte.

Mas olha só que curioso… a América Latina também foi a região que mais avançou no consumo:

• 38% aumentaram o gasto com luxo por causa de tarifa (o maior de todas as regiões);

• 35% já compram luxo fora do país pra fugir de imposto local (também o maior).

Ou seja, patrimônio crescendo menos e cliente mais disposto ao consumo.

My Personal Takeaway

Se tem uma coisa que essa edição reforça é o valor de olhar o detalhe.

O “+10,20%” da manchete não significa quase nada sem a metodologia e o contexto por trás. A base é dólar, e o dólar veio fraco nessa medição. Isso não é uma tendência cravada… na próxima leitura o movimento pode muito bem se inverter. Quem lê só a manchete tira a conclusão errada.

E pode ter certeza que terão posts por aí com essa manchete, viu?

Além disso, dois outros pontos que ficaram na minha cabeça.

O patrimônio praticamente estagnado há 12 meses não segurou o consumo dos UHNWI. A vontade de gastar continua lá, independente da riqueza ter crescido ou não. É um nicho que consome por hábito, não de acordo com as condições.

E de novo aquela sensação de que tudo se encaixa. As preferências de alocação da pesquisa (mais alternativos, menos EUA, mais diversificação) são as mesmas que a gente vem vendo aparecer em relatório atrás de relatório.

Se você não conferiu a última edição do In The Money #50 - Gávea Macro: Uma breve análise sobre o passado, não deixe de clicar no link abaixo.

In The Money #50

Nos vemos no próximo domingo!

Se você ainda não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

1. Gávea Macro: Uma breve análise sobre o passado

E chegou ao fim a história da gestora Gávea Investimentos…

Essa semana, foi anunciado o encerramento dos serviços de gestão de recursos para terceiros do grupo Gávea. De agora em diante, os fundos passam a ser geridos (pelo o que tudo indica) pela BRAM.

A gestora era conhecida pelo seu fundo multimercado Gávea Macro. Já o rosto da gestora, era o Arminio Fraga. Ex-presidente do Banco Central e recentemente o mais novo convidado do FED para tocar uma força-tarefa nos EUA. Definitivamente um dos nomes mais conhecidos do mercado brasileiro.

Ele foi bem direto sobre o que fez eles fecharem as portas: “esse mercado mudou”.

Pois é… e mudou mesmo.

A performance do fundo não justificava a estrutura de custos do fundo há muito tempo. E é exatamente isso que vamos ver aqui abaixo.

Vamos abrir a série histórica e trazer algumas análises sobre esse multimercado.

Janela Estática

Vamos começar pelo retrato mais simples possível: quanto rendeu.

Em quase 10 anos, o Gávea entregou +118,5%. No mesmo período, o CDI fez +131,6% e o IHFA fez +124,9%.

O fundo ficou abaixo do CDI. Fez 90% do CDI ao longo de toda a janela. Um multimercado macro, com 2% de taxa de administração, que em quase uma década não bateu a renda fixa que qualquer um compra sem pagar nada por isso.

E não é só o retorno. O Sharpe contra o CDI ficou negativo, em -0,11. Ou seja: ajustando pelo risco que o fundo correu, o excesso sobre a taxa livre de risco foi… negativo.

Essa janela estática porém não nos dá a resposta completa. Aqui, ela representa apenas a experiência do cotista que entrou no início do fundo e ficou até o final. Para capturarmos todas as experiências possíveis, precisamos analisar pela ótica de janelas móveis.

Janela Móvel

Agora sim… temos a experiência de fato de todos os cotistas que entraram ao longo da vida útil do fundo. Para trabalharmos com janelas móveis, precisamos estabelecer qual o tamanho dessa janela que irá se mover ao longo do tempo e, para esse caso, selecionei 12 meses.

Essa é a foto que com certeza captura a experiência do cliente que ficou 12 meses no fundo. Em algum ponto desse gráfico, essa exposição estará representada.

E aqui já podemos tirar uma conclusão bem forte: o fundo só ficou 50% das vezes acima do CDI, considerando um período de 12 meses. E cobrando 2%a.a de taxa de administração para esse feito.

O Que Explica o Sucesso do Fundo?

Podemos considerar o Gávea Macro como um sucesso? 🤔

Em termos de business, tendo a concordar que sim. Embora estamos usando uma proxy de 10 anos de histórico, a estratégia mãe existe desde 2008. São quase 20 anos de operação!

Na minha visão, muito desse “sucesso” se deve ao histórico inicial do fundo. Como o investidor brasileiro investe olhando para o passado esperando que ele se repita, muita alocação foi realizada na “base da fé”.

Peguei a série e cortei ela no meio: os primeiros 5 anos (2017-2021) contra os últimos (2022-2026).

Nos primeiros 5 anos da proxy, o Gávea fez 130% do CDI. Sharpe de +0,34. Um fundo que entregava, que valia a taxa, que fazia sentido no portfólio do cliente.

Nos últimos 5 anos, virou 71% do CDI. Sharpe de -0,59.

A Régua Mudou de Tamanho

Quando o Gávea surgiu, o Brasil era outro! A própria indústria de fundos não tinha a maturidade que temos hoje. Os produtos eram extremamente limitados, a assimetria de informação era muito maior e a conjuntura econômica completamente diferente.

O próprio CDI mudou… O anualizado saltou de 5,7% para 12,2% entre esses dois períodos, enquanto o retorno absoluto do fundo teve apenas um aumento marginal.

Se analisarmos as características do fundo nesses dois períodos separados, conseguimos chegar em algumas conclusões interessantes.

Repara no que aconteceu… O retorno anualizado do fundo até subiu de um período para o outro, de 7,5% para 9,9%. Em números absolutos, o fundo rendeu mais.

Só que o CDI subiu muito mais. E é por isso que o mesmo fundo, rendendo mais, despencou de 130% para 71% do CDI, com o Sharpe saindo de positivo para negativo. Ele até incorreu em uma volatilidade maior, talvez forçadamente para tentar gerar alpha em cima do CDI, mas não foi o suficiente.

Olhando por uma ótica de outro benchmark, a correlação do Gávea com o IHFA foi de praticamente zero nos primeiros anos para perto de 0,6 nos últimos. No começo, o fundo era genuinamente descorrelacionado dos pares, entregava diversificação de verdade. Depois, passou a andar junto com a manada de multimercados.

O Dinheiro Foi Embora

Olhe o patrimônio do fundo ao longo da vida, com cada ano pintado pela cor do resultado. Verde quando bateu o CDI, vermelho quando ficou abaixo.

Esse gráfico não podia ser mais didático. Repare no timing das cores... O dinheiro entrou correndo justamente depois dos anos verdes, 2020 com 390% do CDI, 2021 e 2022 na casa dos 150%.

Aí vieram os anos vermelhos… 2023, 2024 e um 2025 rodando a míseros 24% do CDI. O mesmo dinheiro que entrou por rentabilidade passada, saiu na mesma velocidade.

Para Onde Foi o Dinheiro

A sangria dos fundo da Gávea não é um caso isolado… Os multimercados brasileiros vêm sangrando há anos. Só em 2025, a classe teve saída líquida de quase R$ 59 bilhões, o quarto ano seguido de resgates.

E, obviamente, o dinheiro migrou para outra classe de ativo. Ou até para outro multimercado com rentabilidade passada mais chamativa. Se eu pudesse dar um chute direcionado para qual o destino mais provável desses resgates bilionários, eu separaria em 3 possibilidades:

• Renda fixa isenta: Com o CDI em dois dígitos, uma Letra de um bancão entrega, líquido, o que o multimercado promete bruto, sem risco e sem taxa de 2%. Aqui também podemos citar os FI-Infra, para os investidores que topam correr um risco de crédito um pouco maior.

• ETFs: 2025 foi a maior captação da história para a classe, captando R$ 23,3 bi. 2026 está prometendo superar, já captando até agora R$ 34 bi. Os queridinhos aqui são os ETFs de renda fixa.

• Multimercados: Aqui, o investidor faz uma análise para entender se tem algum outro fundo da mesma classe que esteja cumprindo com o que foi prometido, dando mais uma chance à classe.

Gostou desse tipo de análise? Já tinha parado para pensar por essa ótica? Comente aqui embaixo!

Deixe um comentário

2. Visão das Assets

Olha o carteiro chegando…

Teve um início de mês corrido e não deu tempo de se atualizar sobre os posicionamentos das principais gestoras do mercado?

Sem problemas… Vou facilitar a sua vida e compartilhar aqui abaixo de forma bem direta e reta.

Se você sentir falta de alguma gestora aqui abaixo, escreva nos comentários para que eu adicione nas próximas edições.

As posições aqui abaixo refletem as informações contidas nas cartas dos gestores referente ao fechamento de julho.

Kinea

• 📉 Juros: Aplicada em juros curtos no Brasil (posições pequenas e táticas) | Aplicada no México | Aplicada na Nova Zelândia e no Reino Unido (menor escala) | Tomada nos EUA (mercado de trabalho melhorando + inflação resiliente, esperam novas altas ainda em 2026)

• 📊 Bolsa: Comprada em semicondutores nos EUA, com foco em equipamentos, TSMC e memória | Comprada em financials, saúde e biotech nos EUA | Comprada no Brasil em construtoras de baixa renda (Minha Casa Minha Vida) e utilities | Evita modelos e hyperscalers (commoditização e oferta crescente)

• 💱 Moedas: Comprada em Won coreano (posição principal) | Comprada em Dólar (USD, proteção líquida contra o AUD) | Comprada em Real | Comprada em Yuan (China) | Comprada em Iene | Vendida em Euro | Vendida em Dólar australiano | Vendida em Franco suíço | Vendida em Peso mexicano

• 🛢️ Commodities: Comprada em Petróleo (reduzida no fim do mês) | Comprada em Grãos (reduzida no fim do mês) | Comprada em Ouro | Comprada em metais industriais (cobre e alumínio) | Comprada em boi gordo

Kapitalo K10

• 📉 Juros: Aplicada no Brasil (aumentada marginalmente na parte curta) | Aplicada na Suécia | Aplicada no Reino Unido | Aplicada na África do Sul

• 📊 Bolsa: Comprada em tecnologia nos EUA (exposição aumentada, foco em semicondutores/memória e fibra óptica) | Comprada na Argentina (reduzida)

• 💱 Moedas: Comprada em Peso chileno | Comprada em Dólar (USD) | Vendida em Euro | Vendida em Libra esterlina

• 🛢️ Commodities: Comprada em Milho (adicionada) | Vendida em Café (aumentada) | Petróleo em desinclinação (comprada no curto, vendida no longo)

Absolute

• 📉 Juros: Aplicada em juros nominais no Brasil | Comprada em inflação implícita local | Tomada em juros americanos

• 📊 Bolsa: Sem direção reportada (carta cita apenas pequenas perdas em ações domésticas, sem detalhar direção líquida)

• 💱 Moedas: Comprada em Iene (valor relativo) | Vendida em Dólar contra Renminbi | Vendida em Dólar contra Iene | Vendida em Dólar contra Euro | Vendida em Dólar contra Real

• 🛢️ Commodities: Sem posição reportada (carta discute petróleo como tema de cenário, sem declarar posição direcional)

Ibiuna

• 📉 Juros: Aplicada em juros nominais curtos no Brasil e tomada nos vértices longos (steepener) | Aplicada em emergentes selecionados (realocada) | Valor relativo nas curvas real e implícita BR e em desenvolvidos

• 📊 Bolsa: Comprada na bolsa americana (aumentada) | Comprada no Brasil, reduzida parcialmente, com risco adicional via long-short não direcional | Posições sistemáticas em ações globais

• 💱 Moedas: Comprada em Yuan (China) | Comprada em Florim húngaro | Comprada em Dólar contra o Real | Vendida em Euro | Vendida em Dólar canadense | Vendida em Euro contra moedas emergentes

• 🛢️ Commodities: Sem direção reportada (carta menciona apenas redução da exposição à classe no mês)

Bahia AM

• 📉 Juros: Aplicada na curva real e nominal no Brasil | Aplicada em juros dos EUA | Aplicada em inclinação na África do Sul e em desenvolvidos (steepener) | Valor relativo em juros de desenvolvidos

• 📊 Bolsa: Comprada em bolsa (EUA) | Posições relativas em ações brasileiras (bancos, elétrico, imobiliário; long-short)

• 💱 Moedas: Comprada em Iene contra Yuan | Comprada em Iene contra Libra esterlina | Vendida em Dólar americano

• 🛢️ Commodities: Sem direção reportada (carta reporta apenas atribuição +0,0% no mês, sem detalhar posições)

Genoa

• 📉 Juros: Contribuição positiva em juros globais e locais (direção não especificada; leitura de espaço para alívio de juros no curto no Brasil)

• 📊 Bolsa: Sem direção reportada (carta cita renda variável como detratora, sem declarar direção líquida)

• 💱 Moedas: Contribuição positiva em moedas globais (direção não especificada) | Moeda local (real) como detratora, direção não especificada

• 🛢️ Commodities: Não mencionada

Legacy

• 📉 Juros: Postura tática nas demais classes, sem direção estrutural declarada | Brasil: baixo risco e posições pontuais, sem ampliar exposição local

• 📊 Bolsa: Comprada em bolsa americana (exposição relevante), com foco em semicondutores, infraestrutura digital e energia ligados ao ciclo de I.A. | Rotação tática em direção a setores cíclicos

• 💱 Moedas: Sem posição reportada (carta lê dólar mais fraco como cenário, sem declarar posição direcional)

• 🛢️ Commodities: Não mencionada

Se você não conferiu a última edição do In The Money #49 - Alocação de Ativos: Da Fronteira Eficiente à Conversa Real com o Cliente, não deixe de clicar no link abaixo.

In The Money #49

Nos vemos no próximo domingo!

Se você não é inscrito, considere se inscrever no link abaixo!

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

1. Alocação de Ativos: Da Fronteira Eficiente à Conversa Real com o Cliente

Nessa edição do In The Money, quero compartilhar com vocês um dos tópicos abordados no currículo do CFA Level III que mais se aproxima da nossa rotina como Especialista de Investimentos: Approaches to Asset Allocation.

Aqui basicamente eles tratam de 3 abordagens: Asset Only, Liability Relative e Goals Based.

Sem mais delongas, vamos a cada uma delas.

Asset-Only: O Padrão de Fábrica

Essa é a abordagem que a maioria dos assessores no Brasil utiliza, mesmo sem saber que tem nome.

Se você mira única e exclusivamente em retorno por unidade de risco, prazer: Asset-Only.

Sabe aquele comparativo de carteira que você faz no Mais Retorno? Pois bem, essa abordagem está nessa caixinha.

A lógica é bem simples: você olha para os ativos do cliente, trabalha com retorno esperado, volatilidade e correlação entre as classes. A partir dai, constrói a carteira que entrega o maior retorno por unidade de risco.

O framework mais popular dentro desse modelo é o Mean-Variance Optimization (MVO), criado por Markowitz nos anos 50 e até hoje base de qualquer discussão séria sobre asset allocation.

O output do MVO é o que chamamos de fronteira eficiente (acho que vocês dois já foram apresentados, né?). Imagine um gráfico onde o eixo X é risco (volatilidade) e o eixo Y é retorno esperado. Cada ponto é uma carteira possível, formado por uma combinação de n classes de ativos

O resultado até que funciona… É elegante, tem décadas de literatura por trás e soa bem técnico. O cliente fica encantado…

…Mas tem problemas seríssimos!

Problema 1: Garbage in, garbage out

O MVO é tão bom quanto as premissas que você coloca nele. Retorno esperado, volatilidade, correlação… tudo isso é estimado. Uma mudança pequena nas premissas de retorno pode produzir carteiras radicalmente diferentes. O modelo não perdoa estimativas ruins.

Problema 2: Concentração absurda

O MVO tende a concentrar a carteira em poucas classes. Sobrealoca em ativos de baixa vol e deixa de lado outras classes de ativos com “volatilidade aparente” de lado.

Aliás, no Brasil esse modelo é dificílimo de colocar em prática, visto que temos fundos de crédito privado “reloginho”, FIDCs, fundos cetipados e tantos outros que não mostram volatilidade. O modelo iria colocar 100% nessas classes, sem dúvidas.

Problema 3: Single-Period Framework

O MVO otimiza para um único período. Mas o cliente tem objetivos em horizontes diferentes, aportes ao longo do tempo, mudanças de tolerância a risco ao longo do ciclo de vida. Nada disso entra no modelo naturalmente.

Esse problema tem solução e vou falar dele mais abaixo. Aguenta ai…

Liability-Relative: Não É Para Você!

Se você não é gestor de um fundo de pensão, leia essa parte do texto mas não aplique na prática!

A lógica aqui muda: em vez de maximizar retorno sobre os ativos, você maximiza a diferença entre o valor presente dos ativos e passivos, o tal do surplus.

O objetivo não é “ganhar dinheiro”. É garantir que você terá recursos suficientes para pagar o que deve. Isso resolvido, você coloca o excedente para buscar retorno.

O framework mais comum dentro desse modelo é o Surplus Optimization via MVO: você aplica a mesma lógica da fronteira eficiente, mas o ativo de referência passa a ser o surplus, não o portfólio todo.

Para pessoa física, não é o modelo mais indicado. As obrigações de um indivíduo são muito menos previsíveis do que as de uma seguradora ou de um plano de previdência. Uma EFPC consegue calcular com razoável precisão quanto vai pagar em benefícios nos próximos 20 anos. O seu cliente não sabe nem se vai precisar trocar o carro no ano que vem…

Goals-Based: Onde a Conversa Muda

Aqui é onde as coisas ficam interessantes…

O Goals-Based parte de uma premissa diferente das outras duas: o cliente não tem apenas “um patrimônio”. Ele tem objetivos! E cada objetivo tem um horizonte diferente, uma importância diferente e uma tolerância a risco diferente.

Ao invés de construir uma carteira única otimizada para um perfil genérico, o Goals-Based divide o patrimônio em sub-portfólios, cada um dedicado a um objetivo específico, com sua própria alocação, seu próprio horizonte e seu próprio benchmark.

Isso resolve um problema comportamental que o Asset-Only simplesmente ignora: o mental accounting.

O Goals-Based tangibiliza os objetivos, tornando cada sub-portfólio coerente com a real tolerância a risco do cliente para aquele objetivo específico.

Outro viés que ele tende a diminuir é a Aversão a Perda. No modelo Asset-Only, o cliente enxerga a carteira como uma coisa só. Uma queda de 5% no patrimônio total dói de forma desproporcional e frequentemente gera resgates no pior momento. Esse risco até tem um nome bonito, chama decision-reversal risk.

No Goals-Based, o cliente entende que a “gaveta” da aposentadoria tem horizonte de 20-30 anos e pode absorver volatilidade. Já o sub-portfólio de curto prazo está em instrumentos conservadores, longe dos perigos do mercado…

Mas como você valida se os objetivos são atingíveis?

É aqui que entra a Simulação de Monte Carlo! E, inclusive, é onde o Goals-Based resolve de vez o problema do Single-Period Framework que apontei lá no Asset-Only.

O MVO te diz qual é a carteira ótima dado um conjunto de premissas. O que ele não te diz é: dada essa carteira, qual a probabilidade de o cliente atingir o objetivo no horizonte definido, considerando aportes, retiradas e a incerteza real dos mercados ao longo do tempo?

A Simulação de Monte Carlo responde exatamente isso. O modelo gera milhares de cenários possíveis para a evolução do patrimônio e calcula a probabilidade de sucesso de cada objetivo, dado um intervalo de confiança.

Não é mais “se tudo der certo, você chega lá”.

É “em X% dos cenários simulados, você atinge esse objetivo.”

Isso é uma conversa completamente diferente com o cliente.

Deixa eu te mostrar um exemplo real de como podemos usar a abordagem por objetivos e simular as probabilidades de sucesso.

• Patrimônio Investido Total: R$ 5.8M

• Capacidade de poupança mensal: R$ 15 mil

• Objetivo 1: Ter uma renda mensal passiva de R$ 35 mil daqui a 6 anos. (Aposentadoria)

  • Patrimônio destinado: R$ 5M

  • Target de Rentabilidade: IPCA+8,50%a.a (bruto) | Vol: 4%a.a | IPCA médio: 5%a.a

  • Aporte: R$ 10 mil / mês

• Objetivo 2: Iniciar o pagamento da faculdade de medicina da filha daqui a 3 anos. Mensalidade: R$ 15 mil por 6 anos

  • Patrimônio destinado: R$ 800 mil

  • Target de Rentabilidade: IPCA+7,50%a.a (bruto) | Vol: 2%a.a | IPCA médio: 4,50%a.a

  • Aporte: R$ 5 mil / mês

Dois objetivos. Horizontes diferentes. Perfis de risco diferentes. Aportes direcionados separadamente.

Rodei a Simulação de Monte Carlo para os dois sub-portfólios e os resultados estão abaixo.

Observação: Considerei um intervalo de confiança de 90%.

Objetivo 1 - Aposentadoria

Objetivo 2 - Faculdade da filha

Veja que no Objetivo 1, ele possui uma probabilidade de sucesso de apenas 46%. Ou seja, a situação atual do cliente não está conversando muito bem com as expectativas. É aí que entra o papel do profissional para mostrar o que precisaria ser feito para aumentar a probabilidade do atingimento do objetivo.

Aumentar o horizonte de investimento, valor do aporte ou considerar um portfólio mais arriscado são pontos que você deve trazer para a conversa.

Já no Objetivo 2, as expectativas estão alinhadas com a realidade e a probabilidade de sucesso é de 98%. Ou seja, o cliente consegue pagar a faculdade de medicina com retiradas de R$ 15 mil / mês ao longo dos 6 anos, iniciando daqui a 3 anos, com um investindo inicial de R$ 800 mil e aportando R$ 5 mil / mês.

E lembre-se: sempre em termos reais, ou seja, com o poder de compra de hoje.

Se quiserem, posso fazer um In The Money focado apenas em estratégias Goals-Based Approach e como tratar cada caso. É só comentar aqui abaixo.

Se você não conferiu a última edição do In The Money #48, não deixe de clicar no link abaixo.

In The Money #48

Nos vemos no próximo domingo!

Se você não é inscrito, considere se inscrever no link abaixo!

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

Antes de iniciar essa edição, quero esclarecer algo que ouvi ao longo da semana passada…

Uma pessoa próxima me vez o seguinte questionamento:

“Os seus textos não tem cara de IA, como você faz?”

Bom… a resposta é mais simples do que parece: Eu simplesmente escrevo os meus próprios textos!

Pode parecer perda de tempo escrever do zero o próprio texto quando se tem a IA para montar uma estrutura completa. Eu discordo completamente e é exatamente por isso que eu escrevo aqui no Substack e não no Linkedin!

O Linkedin chegou em um ponto onde, além dos posts, agora até os comentários estão dominados por escritas de IA.

• “Não é sobre X, é sobre Y”;

• “E isso muda tudo”;

• “Mais do que X, é preciso Y”;

Faça um experimento social e tente achar um post no Linkedin sem ao menos uma dessas estruturadas. (Claro, depois de ler essa edição, rs)

Eu utilizo sim IA, mas como um editor-chefe, para pegar alguns erros que eu possa ter deixado passar… Volta e meia eu esqueço alguma vírgula, erro uma crase, pulo um artigo, enfim…

Semana passada o Substack adicionou um ferramenta interessante que quero compartilhar com vocês:

Sem mais delongas, vamos para a edição #48!

1. Janelas Móveis: A Experiência Real do Investidor

Qual é a primeira informação que você olha em um fundo de investimento? Se a minha bola de cristal estiver correta, você está pensando em rentabilidade passada.

Mas convenhamos… não poderia ser diferente, né?! A rentabilidade, principalmente de 12 meses, nos é dada de maneira tão fácil. Seja no App do banco/corretora, na lâmina do fundo ou nas apresentações semanais das assets.

Infelizmente o investidor comum tende a parar a sua análise por aí, chegando até a filtrar no App do maior para o menor as rentabilidades dos últimos 12 meses dos fundos disponíveis. Arrisco dizer que muitos assessores também utilizam deste discurso para tentar captar ou reter recursos.

“Vamos alocar neste fundo porque está rendendo mais”

Esse tipo de frase me causa arrepios. Afinal, como podemos utilizar o gerúndio (que indica uma ação contínua) se a rentabilidade passada não implica na rentabilidade futura?

E outra: a rentabilidade dos últimos 12 meses não implica necessariamente na experiência real do investidor que está naquele fundo. Uma forma de nos aproximarmos desta experiência seria avaliarmos a rentabilidade por janelas móveis.

Vamos pegar o Gávea Macro MM Seleção FIC FI como exemplo, onde temos um histórico desde dez/2016 para analisarmos, CNPJ: 25.682.163/0001-22.

Se formos analisar estaticamente a rentabilidade passada, teremos:

• 12 meses: 51,3% do CDI

• 24 meses: 48,0% do CDI

• 36 meses: 49,5% do CDI

• Desde o início: 90,1% do CDI

Se o investidor só possui estas informações para a tomada de decisão, a conclusão parece óbvia. Fundo pra riscar da lista, certo?

Pois bem… vamos utilizar agora o conceito de janelas móveis, onde iremos inferir por quanto tempo o fundo rendeu ao menos o CDI, deslizando a janela dia a dia:

• Janela móvel de 12 meses: 51% do tempo acima do CDI

• Janela móvel de 24 meses: 61% do tempo acima do CDI

• Janela móvel de 36 meses: 63% do tempo acima do CDI

• Janela móvel de 48 meses: 74% do tempo acima do CDI

• Janela móvel de 60 meses: 75% do tempo acima do CDI

Veja que o período que mais prejudica a avaliação do fundo é recente, a partir de 2024. É aí que precisamos sair da análise quantitativa e ir para a qualitativa. Será que os processos internos mudaram? A gestão continua com a mesma equipe? Os incentivos mudaram? A gestora está com outro foco?

Outro ponto que merece destaque: você conhece algum cliente que aporta no fundo quando o histórico de rentabilidade está ruim? Pois é… é raro de encontrar!

Geralmente ele espera a “foto” ficar boa para investir, o que tende a piorar a experiência do cliente. É exatamente por isso que o Money-Weighted Return (MWR) costuma ser inferior ao Time-Weighted Return (TWR).

A janela móvel é justamente a ponte entre esses dois mundos. Ela pega o retorno do fundo e recalcula pra cada data de entrada possível, dia a dia. Continua sendo TWR… mas agora respondendo a pergunta que o seu cliente realmente faz. "E se eu tivesse entrado em outro momento?"

Claro, quanto maior o tempo investido, maior a frequência de sucesso. Aqui, de 51% em 12 meses para 75% em 60 meses. Porém, sabemos que a tolerância do investidor em ficar abaixo do CDI por 12 ou 24 meses é bem baixa. Normalmente, vemos o movimento de migração para o fundo que "está rendendo mais".

E o ciclo vicioso começa novamente…

2. Gestão Ativa: O Placar Que Ninguém Emoldura

O debate sobre Gestão Ativa X Gestão Passiva é antigo. Porém, a cada ano que passa o tema está ganhando mais espaço nas mídias tradicionais e não tradicionais.

A premissa da gestão ativa é simples: o investidor delega seu patrimônio para um gestor mais habilidoso, paga uma taxa de administração pelo serviço e, em troca, deveria receber um retorno superior a um determinado benchmark. Mas, ano após ano, os dados têm colocado essa crença à prova.

O avanço dos fundos passivos e ETFs transformou essa discussão em uma das mais importantes do mercado. Agora, a discussão não é mais apenas sobre performance, mas também sobre eficiência, custo e consistência.

Para ajudar o debate, quero apresentar neste tópico o SPIVA Scorecard.

O SPIVA é um relatório global publicado pela S&P Dow Jones Indices, que mede a performance de fundos de gestão ativa contra seus respectivos benchmarks em diferentes horizontes de tempo, países e classes de ativos. Além disso, o estudo também ajusta os resultados para o viés de sobrevivência, ponderando retornos pelos ativos sob gestão e compara cada fundo com o índice apropriado à sua categoria, evitando distorções comuns.

No longo prazo, o SPIVA mostra que superar o benchmark é possível, mas permanecer acima dele é raro. Poucos gestores conseguem replicar o feito em períodos consecutivos, o que reforça a linha tênue entre habilidade e sorte.

Deixe um comentário

No Brasil, a edição de 2025 do scorecard trouxe um enredo curioso…

O ano foi excelente para a bolsa, com o S&P Brazil BMI subindo 32,2%! E os gestores aproveitaram bem! Apenas 35,6% dos fundos ativos de large caps perderam para seu respectivo benchmark no ano. A maioria bateu o índice!

Uma ótima foto, né?!

Agora estique a régua para 10 anos e veja a magia acontecer…

Nessa janela, 80,5% dos fundos de large caps perderam do benchmark!

Nos fundos de small e mid caps, a lógica segue a mesma: 84,85% pederam para o benchmark.

E se você acha que a renda fixa escapa… melhor repensar essa intuição!

Em 2025, aproximadamente 87% dos fundos ativos de títulos públicos e 83% dos de crédito privado perderam para os seus benchmarks.

Aqui acontece algo curioso que entre 3-5 anos o número de perdedores cai drasticamente. Sinceramente, não sei o que pode ter acontecido. Se você souber e quiser compartilhar, comente aqui embaixo.

Deixe um comentário

Esse tipo de análise precisa fazer parte da sua rotina de aprendizado. Antes de realizar qualquer alocação na carteira do seu cliente, vale a pena se fazer a pergunta que o SPIVA deixa no ar. Habilidade ou sorte?

Se você não conferiu a última edição do In The Money #47 - Exposição à AI: A Sua Profissão Está no Ranking?, não deixe de clicar no link abaixo.

In The Money #47

Nos vemos no próximo domingo!

Se você não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

Exposição à AI: A Sua Profissão Está no Ranking?

Em março deste ano, a Anthropic publicou um estudo sobre os possíveis impactos que a AI pode gerar em algumas profissões. Sim, eu sei… é um paper de 4 meses atrás e isso hoje em dia é quase uma década. Mas fica até o final que vai valer a pena!

Nessa edição vamos fugir rapidinho dos temas técnicos e vamos para uma visão mais macro que, querendo ou não, irá impactar o seu dia a dia em um futuro breve.

Voltando para o estudo… além de projetar o que a AI poderia fazer com o mercado de trabalho, a Anthropic mediu o que de fato ela já está fazendo! Afinal, ter posse dos dados faz toda a diferença para esse tipo de análise, né?

A métrica ganhou o nome de observed exposure. Ela cruza o que os modelos conseguem fazer na teoria com o que as pessoas realmente estão automatizando no dia a dia.

Desse cruzamento saiu um ranking das profissões mais expostas, analisando o mercado de trabalho dos EUA.

Adivinha quem apareceu no top 10? 🤔

O Ranking

Como já era esperado, programadores lideram o ranking, com 74,5% das tarefas já cobertas. Na sequência vêm atendimento ao cliente (70,1%) e digitação de dados (67,1%).

⬆️ Reparou ali na 7ª posição?

Analistas financeiros e de investimentos com 57,2%!

Já até sei o que você está pensando…

“mas eu não sou analista”.

Sim… Verdade! O estudo fala de analistas, não de assessores. São papéis diferentes e a diferença importa.

Assessores e consultores utilizam muito mais as soft skills do que analistas de mercado. Isso é bem complicado de automatizar…

Mas repara bem numa coisa.

O dia do assessor tem duas grandes camadas:

• A camada analítica (estudar mercado, montar cenário, avaliar carteira);

• A camada de comunicação (explicar, responder, informar o cliente);

A primeira é exatamente a tarefa líder de automação dos analistas. A segunda é a tarefa líder de automação do atendimento ao cliente, que está em segundo lugar geral no ranking.

As duas metades do trabalho de assessoria já estão no top 10! Só que separadas em profissões diferentes.

Se o estudo criasse a categoria “assessor de investimentos” na próxima atualização, em que posição você acha que ela entraria?

A parte que não aparece em lista nenhuma é o poder de decisão/julgamento e a relação humana. A conversa em que o cliente liga assustado com uma queda de 2% e desliga o telefone mais calmo do que atendeu. Ou frustrado por estar abaixo do CDI no mês… Por enquanto, é ali que mora o assessor.

Quem Está Exposto?

Antes de continuar, deixa eu te fazer uma pergunta.

Quais profissões você acha que estão mais protegidas da AI?

Segundo o estudo, 30% dos trabalhadores americanos têm exposição zero. A lista inclui cozinheiros, bartenders, salva-vidas e mecânicos de moto.

Conseguiu reparar no padrão? Todos trabalham com as mãos.

Agora olha o retrato falado de quem está no grupo mais exposto: na casa dos 40 anos, ensino superior, boa parte com pós-graduação e ganhando 47% mais que o grupo protegido.

Lembra alguém? 🤔

Durante décadas, a automação funcionou numa direção só. A máquina substituía o trabalho físico e o diploma era o seguro contra ela. Estude, se qualifique, suba para o escritório e terá uma longa carreira... Agora não mais.

O estudo mostra que essa lógica inverteu. Os mais expostos são justamente os mais qualificados e mais bem pagos.

A Boa Notícia (Por Enquanto)

Calma que tem boa notícia no meio dos dados!

Apesar da exposição, o desemprego dos profissionais mais expostos não subiu desde o lançamento do ChatGPT.

Como assim? 🤔

Existe um abismo entre o que a AI pode fazer e o que ela de fato está fazendo. Na categoria de computação, por exemplo, 94% das tarefas são teoricamente automatizáveis, mas o uso real cobre apenas 33%.

Essa distância é a sua janela.

O estudo, porém, encontrou uma exceção… e ela conversa direto com uma edição antiga daqui.

Lembra do ITM #11 “When Juniors Becomes Optional”?

ITM #11 - When Juniors Becomes Optional

Em novembro de 2025 comentamos que as contratações de juniores estavam caindo em Wall Street enquanto as de seniores seguiam estáveis.

Pois é. A tendência segue a mesma…

Nesse novo estudo, eles atualizaram essa visão e a taxa de contratação de jovens de 22 a 25 anos em ocupações expostas caiu 14% desde o ChatGPT. O resultado está bem no limite da significância estatística, mas aponta na mesma direção de outros estudos.

Mas e para quem tem mais de 25 anos? Nenhum efeito evidenciado por enquanto…

Você Está Ficando Para Trás?

O título dessa edição pergunta se a sua profissão está no ranking.

Você quer a minha resposta sincera? Com nome próprio, ainda não... Mas as duas metades dela já estão por lá…

Então deixa eu trocar por uma pergunta mais útil.

Será que você está ficando para trás?

Na edição ITM #44 vimos que 73% dos escritórios dizem usar AI, mas só 6% trabalham com agentes de verdade.

A janela entre o teórico e o observado existe e esse gap ainda está bem largo. Porém ele se fechará à medida que o colega ao lado aprende uma ferramenta nova.

O estudo da Anthropic será atualizado periodicamente e, a cada atualização, o uso observado se aproximará da capacidade teórica.

Aproveite essa janela de oportunidade para não ficar para trás.

Se você não conferiu a última edição do In The Money #46 - Visão das Assets, não deixe de clicar no link abaixo.

In The Money # 46

Nos vemos no próximo domingo!

Se você não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

1. Visão das Assets

Olha o carteiro chegando…

Teve um início de mês corrido e não deu tempo de se atualizar sobre os posicionamentos das principais gestoras do mercado?

Sem problemas… Vou facilitar a sua vida e compartilhar aqui abaixo de forma bem direta e reta.

Se você sentir falta de alguma gestora aqui abaixo, escreva nos comentários para que eu adicione nas próximas edições.

As posições aqui abaixo refletem as informações contidas nas cartas dos gestores referente ao fechamento de junho.

Kinea

• 📉 Juros: Aplicada em juros curtos no Brasil, protegida via inclinação (steepener) | Aplicada no México | Aplicada na Nova Zelândia (menor escala) | Tomada nos EUA (mercado de trabalho melhorando + inflação resiliente)

• 📊 Bolsa: Comprada em semicondutores nos EUA, com foco em TSMC | Comprada em industriais, biotech, financials e small caps nos EUA | Comprada no Brasil em construtoras (Minha Casa Minha Vida), utilities e Embraer | Vendida em índices de mercados desenvolvidos | Vendida em ações de produtoras de petróleo e metais

• 💱 Moedas: Comprada em Dólar (USD) | Comprada em Yuan (China) | Vendida em Euro | Vendida em Libra | Vendida em Dólar australiano | Vendida em Peso mexicano

• 🛢 Commodities: Comprada em Milho | Comprada em Açúcar | Comprada em Ouro (posição modesta retomada no mês) | Neutra em Petróleo

Kapitalo K10

• 📉 Juros: Aplicada no Brasil | Aplicada na Suécia | Aplicada no Reino Unido | Zerou posições aplicadas no México e no Canadá

• 📊 Bolsa: Comprada em tecnologia nos EUA | Comprada na Argentina | Vendida em índice de Small Caps dos EUA

• 💱 Moedas: Comprada em Peso chileno | Comprada em Dólar norte-americano | Vendida em Euro | Vendida em Baht tailandês | Vendida em Libra | Vendida em Franco suíço (adicionada no mês)

• 🛢 Commodities: Comprada em Diesel | Comprada em Cobre | Comprada em Alumínio | Vendida em Café | Vendida em Trigo | Vendida em Zinco | Vendida em Gás natural nos EUA | Zerou posição comprada em Petróleo

Ibiuna

• 📉 Juros: Aplicada em juros nominais curtos no Brasil, com valor relativo nas curvas reais e implícitas | Aplicada em emergentes selecionados no exterior

• 📊 Bolsa: Comprada em bolsa brasileira | Comprada em emergentes selecionados | Long-short não direcional no Brasil, risco adicional

• 💱 Moedas: Comprada em Yuan chinês | Comprada em Florim húngaro | Vendida em Euro | Vendida em Real | Trades táticos via opções de curto prazo

• 🛢 Commodities: Pequena exposição em Ouro | Zerou posição em Petróleo

Ace

• 📉 Juros: Aplicada em juros internacionais, com maior diversificação geográfica | Aplicada na parte curta da curva de juros nominal no Brasil, posição retomada no mês | Vendida em inflação implícita no Brasil

• 📊 Bolsa: Comprada em bolsas americanas, principal alocação de risco | Comprada no Brasil, com baixa exposição direcional | Comprada em valor relativo nos setores de bancos, energia elétrica, saneamento e commodities no Brasil

• 💱 Moedas: Comprada em Dólar contra moedas de países desenvolvidos | Comprada em moedas de países com juros altos, financiada em moedas de juros baixos (estratégia reorientada no mês) | Vendida em Dólar contra moedas emergentes, incluindo o Real, posição ampliada no mês

• 🛢 Commodities: Hedges distribuídos dentro do book de valor relativo, sem direção stand-alone explicitada

Bahia AM

• 📉 Juros: Posições relativas na curva de juros real e em inflação implícita no Brasil | Aplicada em juros do Canadá | Aplicada em juros da África do Sul (vs. Zona do Euro) | Aplicada em inclinação (steepener) de países desenvolvidos e da África do Sul | Tomada em juro americano

• 📊 Bolsa: Comprada em bolsa americana | Posições relativas em ações brasileiras

• 💱 Moedas: Não mencionado

• 🛢 Commodities: Vendida em Petróleo

Genoa

• 📉 Juros: Sem direção explicitada; juros Brasil e internacional foram os principais contribuidores positivos do mês na estratégia macro (Radar)

• 📊 Bolsa: Comprada em semicondutores nos EUA (Arpa) | Comprada em financeiro nos EUA (Arpa) | Comprada em financeiro no Brasil (Arpa) | Comprada em software e tecnologia nos EUA, detratora no mês (Arpa)

• 💱 Moedas: Sem direção explicitada; câmbio Brasil e moedas globais (Radar), com contribuição global positiva no mês

• 🛢 Commodities: Não mencionado

Legacy

• 📉 Juros: Aplicada em juros nominais nos EUA (assimetria positiva identificada, sem posição stand-alone explicitada) | Brasil: sem direção explicitada, baixo nível de risco com posições táticas

• 📊 Bolsa: Comprada em bolsa americana, com foco em semicondutores e infraestrutura de energia | Brasil: sem direção explicitada, baixo nível de risco com posições táticas

• 💱 Moedas: Não mencionado

• 🛢 Commodities: Não mencionado

Itaú Janeiro MM

• 📉 Juros: Aplicada em juros nominais no Brasil | Vendida em inflação implícita no Brasil | Aplicada no Reino Unido | Aplicada na África do Sul (parte longa) | Aplicada na Colômbia (soberanos intermediários) | Aplicada na Hungria (parte longa) | Tomada nos EUA (parte longa) | Zerou posição tomada na Europa

• 📊 Bolsa: Comprada em ações internacionais, com foco em Ásia e EUA (TSMC, Amazon, semicondutores) | Comprada em empresas de alta qualidade fora de tech nos EUA (Visa, S&P Global, ICE) | Comprada no Brasil, posição oportunística e moderada

• 💱 Moedas: Vendida em Dólar, viés moderado de curto prazo (operando com flexibilidade)

• 🛢 Commodities: Não mencionado

The Positioning Board

Se você não conferiu a última edição do In The Money #45, não deixe de clicar no link abaixo.

In The Money #45

Nos vemos no próximo domingo!

Se você não é inscrito, considere se inscrever no link abaixo!

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

1. Fundos Soberanos: A Lição Bilionária da Noruega

Tem uma parte do currículo do CFA Level III dedicada a Institutional Investors. Fundos de pensão, endowments, seguradoras… e uma categoria que quase não se fala por aqui: os Sovereign Wealth Funds.

Hoje às 17h tem Brasil X Noruega pela Copa do Mundo e, do outro lado do campo, está simplesmente o país que é dono do maior fundo soberano do planeta!

Então enquanto o time esquenta e a churrasqueira ainda não está trabalhando, bora conhecer o adversário do Brasil fora das quatro linhas.

O Adversário Trilionário

Vamos começar do básico e explicar o que é um fundo soberano… Basicamente, um fundo soberano é um veículo de investimento do próprio Estado. O governo pega um excedente de riqueza e transforma em portfólio. No caso da Noruega, esse excedente vem de um lugar só: a fatia do Estado nas receitas de petróleo e gás do Mar do Norte.

O nome oficial é Government Pension Fund Global e os números são bem chocantes...

No fim de 2025, o fundo valia 21.268 bilhões de coroas norueguesas, o que representa algo como US$ 2,2 trilhões.

Para um país de 5,5 milhões de habitantes, isso dá mais de US$ 400 mil por norueguês… bebês inclusos.

Outro dado que mostra a magnitude do tamanho do fundo é a exposição global dele no mercado de equity. O fundo simplesmente é dono, em média, de 1,5% de todas as ações listadas do mundo!

São mais de 7.200 empresas, em 60 países. Quando você compra Nvidia, Apple ou Microsoft, tem um pedacinho da Noruega sentado na mesma mesa que você. Um fundo que nasceu do petróleo virou o maior acionista pulverizado do planeta.

O Paradoxo da Abundância

Agora que você já sabe o tamanho da fera, vem a pergunta que interessa… como é que um país pequeno e frio no norte da Europa construiu isso? 🤔

Na verdade, a origem da história se dá antes até de acharem o petróleo. Nos anos 60, o governo norueguês reivindicou soberania sobre a plataforma continental do Mar do Norte. Ou seja, o DNA de “isso aqui é do Estado, e o Estado vai controlar” já estava lá antes de existir a primeira gota.

Aí, na véspera do Natal de 1969, veio o telefonema… acharam petróleo. E muito!!

Só que nos anos 70, a Noruega quase estragou tudo. Dinheiro fácil entrando rápido demais, gasto público inflando, produtividade caindo… É o roteiro clássico da Dutch Disease, quando uma commodity abundante valoriza o câmbio, sufoca os outros setores e deixa o país refém de uma coisa só.

Muito país que passou por uma situação parecida parou por aí. Gastou tudo, viveu o boom e amargou a ressaca.

A Noruega fez diferente. Em 1983, um comitê liderado por Hermod Skånland (ex-presidente do banco central) chegou a uma conclusão simples e poderosa: o país deveria poupar a riqueza do petróleo e gastar apenas o retorno que ela gera, nunca o principal.

Em 1990, isso virou lei. O fundo estava criado.

Mas tem um detalhe bem curioso… o fundo ficou vazio por seis anos. A primeira transferência de dinheiro só veio em 1996, e foi de meros 2 bilhões de coroas. Se formos comparar com os 21 trilhões de hoje, é basicamente nada né?

O petróleo abriu a porta, mas o que construiu o gigante que conhecemos hoje foi a decisão de não torrar a herança.

Quem Controla o Dinheiro

Beleza, o fundo existe e tá cheio de dinheiro. Mas aí vem uma pergunta que todo brasileiro faz na hora… quem controla essa fortuna toda? 🤔

E é aqui que o currículo do CFA Level III que estou estudando e a prática se encontram bonito.

Quando o CFA fala de governança de fundo soberano, ele desenha um mapa de stakeholders que se repete em qualquer SWF do mundo… são eles:

• Os cidadãos atuais e futuros como beneficiários finais;

• O governo como patrocinador;

• O board com dever fiduciário para com esses cidadãos;

• O braço de gestão que executa os investimentos.

No papel, é isso. Na Noruega, cada uma dessas caixas tem nome e sobrenome.

O beneficiário final é o povo norueguês. O fundo pertence às gerações de hoje e às que ainda nem nasceram. Não é do governo de plantão, não é de um partido… É do país!

O governo, via Ministério das Finanças, é quem responde pelo fundo em nome do povo. Define a estratégia, o benchmark, os limites de risco e presta contas ao Parlamento. É o dono no sentido operacional, mas com a rédea curta da prestação de contas.

O gestor é o Norges Bank, o banco central norueguês, que recebe o mandato do Ministério pra tocar o fundo. E dentro dele fica o NBIM (Norges Bank Investment Management), o braço que executa de fato… compra, vende, decide alocação e exerce o direito de voto nas mais de 7.200 empresas do portfólio.

Fechando o mapa, um Conselho de Ética independente avalia se as empresas investidas cumprem as diretrizes e recomenda exclusões… tabaco, armas, violação de direitos humanos e por aí vai.

Repara que o CFA insiste num ponto ao falar desses fundos: proteger o patrimônio da interferência política. E é exatamente aí que a Noruega dá aula!

O governo não pode enfiar a mão no principal. Existe uma regra fiscal que permite sacar apenas o retorno real esperado do fundo, algo em torno de 3% ao ano (era 4% até 2017). O petróleo é da geração de hoje, mas o patrimônio fica de pé pras próximas.

Blindar o dinheiro dos políticos talvez tenha sido o melhor investimento que a Noruega já fez!

THE NORWAY MODEL

Aqui vem a parte que mais me pegou no estudo…

O currículo do CFA Level III apresenta quatro grandes modelos de investidor institucional, onde cada um leva o nome de quem o consagrou. O modelo da Noruega é um deles…

O Norway Model se apoia em quatro pilares:

• Quase tudo em ações e renda fixa listadas, geralmente algo entre 60/40.

• Gestão majoritariamente passiva, colada num benchmark, com pouquíssimo espaço para aposta ativa;

• Custo baixíssimo, algo entre 8 e 14 bps ao ano;

• Transparência quase radical e governança simples de supervisionar.

Repara na composição que você viu lá no começo… 71,3% em ações, 26,5% em renda fixa. Quase nada em alternativos. O maior fundo do mundo é, no fundo, um indexador gigante e barato.

⬇️ Olha esse gráfico aqui abaixo ⬇️

A parte azul é retorno acumulado e a escura são os aportes do petróleo. Repara como o retorno vai comendo o gráfico ano após ano… mais da metade do valor do fundo hoje não veio do petróleo. Veio de deixar o dinheiro trabalhar, de forma disciplinada, por quase três décadas.

Mas isso não quer dizer que eles descobriram o segredo do mercado e que é o único “jeito certo de investir”…

Pra você ter uma ideia, existe um modelo que prega exatamente o contrário e é tido como outra referência no mundo dos investimentos. Estou falando do Endowment Model, o famoso modelo Yale. Esse é o do glamour… alocação pesada em private equity, hedge funds, ativos ilíquidos, gestão ativa, tudo terceirizado para gestores caros e difíceis de escolher.

Os dois funcionam… Yale entregou retornos lendários por décadas. Mas são filosofias opostas de como gerir alguns bilhões. Cada um no seu quadrado

E é isso…

Você já conhecia a história do Norway Model? Ou está descobrindo só agora que o adversário de hoje é esse gigante “silencioso” dos investimentos?

Me conta nos comentários. 👇

Dito isso, hoje é Brasil 3x1!

Se você não conferiu a última edição do In The Money #44, não deixe de clicar no link abaixo.

In The Money #44

Nos vemos no próximo domingo!

Se você não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

1. AI em Wealth Management: Onde Estamos de Verdade

No mercado americano, estima-se que os assessores passam cerca de 70% do tempo em trabalhos operacionais. Seja preparando reunião, boletando alguma operação, atualizando CRM, caçando informação da carteira do cliente para montar um relatório…. enfim…

Sobram apenas 30% do tempo para o que realmente importa no final do dia: conhecer a fundo o cliente.

Me diz aí, essa proporção operacional/relacionamento bate com a sua realidade? 🤔

Pois é, de fato é uma área que demanda bastante do backoffice. Mas veja por um outro lado… que bom que estamos na Era da AI e temos a possibilidade de mudar radicalmente essa realidade.

Para falar a verdade, a maioria dos assessores que eu conheço já utiliza AI no dia a dia em um certo grau.

Copilot para rascunhar e-mail, Perplexity para pesquisar, Claude para criar dashboards, Granola para reuniões…

Só que isso não é o que de fato irá mudar o jogo no mundo de wealth management!

Ah… E antes de você achar que eu estou sendo soberbo ou falando como se fosse o senhor da verdade, quem está dizendo isso não sou eu, mas sim a Deloitte!

Vamos aos números do relatório, que teve como base a indústria americana…

73% dos escritórios de assessoria já usam AI em alguma capacidade. Parece muito, né?

Mas, na realidade, a grande maioria utiliza da forma mais superficial que existe! Como se fosse um google turbinado… Utilizam uma LLM conversacional e acham que estão na vanguarda do movimento.

Eu conto ou vocês contam? 😂

Quando aumentamos a complexidade, o número muda bastante.

• Só 6% utilizam agentes de AI;

• Só 5% têm AI integrada nos sistemas.

Mas nem tudo depende apenas do assessor na ponta. Muito se deve à empresa na qual esse assessor está associado. Sem um ambiente propício para esse tipo de integração, de nada adianta um “assessor tech”.

No final das contas, o valor que um escritório pode gerar utilizando AI no seu negócio irá depender do alinhamento de 3 alavancas:

• Assessor: Está propenso a utilizar AI no dia a dia?

• Escritório: Está disposto a redesenhar os processos ao redor da AI?

• Infraestrutura: Os sistemas suportam integração entre si?

Das 3 alavancas, a Infraestrutura é de longe a mais determinante. Se você tiver um assessor mega motivado, um escritório alinhado, mas com dados fragmentados em um sistema que não é integrado, lamento dizer que a mágica simplesmente não acontece!

Medindo a força dessas 3 alavancas, a Deloitte categoriza os escritórios em três fases de maturidade. E cada fase tem um ganho de produtividade bem diferente.

No Early Stage, as três alavancas estão basicamente no começo e AI funciona principalmente como ferramenta de apoio para tarefas básicas. Cada assessor usa o que quer, quando quer, sem muita padronização…

Já no Expanding Stage, os Agentes de AI entram nos processos do dia a dia e o escritório já possui uma governança para realizar a revisão de forma manual, com supervisão humana.

Veja o Morgan Stanley, por exemplo… eles lançaram o AI Debrief, um agente que entra na reunião com você, resume tudo automaticamente, gera os follow-ups e registra as notas direto no CRM. Sem nenhuma intervenção manual. O assessor encerra a reunião e a documentação toda já está feita e salva em um ambiente seguro.

Isso já é bem diferente de pedir para que o Copilot escreva um e-mail, né?

Finalmente, no AI-Native Stage, o negócio está redesenhado em torno dos agentes. As três alavancas estão no nível máximo e a infraestrutura permite que as automações rodem fluxos de ponta a ponta. O assessor virou basicamente um orquestrador de agentes.

A Hazel AI, da Altruist, é um bom exemplo dessa fase na prática. O agente analisa a declaração de imposto de renda e os dados de portfólio do cliente para gerar cenários de planejamento tributário em minutos… Inclusive, o lançamento dessa ferramenta mexeu com o mercado e não faz muito tempo.

E aí, já consegue identificar em que fase a sua empresa se encontra? 👀

Bom… independente da fase em que você esteja inserido hoje, o que muda concretamente no dia a dia?

A Deloitte divide o impacto em três camadas: o que muda para o cliente, o que muda para o assessor e o que muda para o escritório.

Para o cliente, a barra sobe rápido. Respostas mais rápidas, insights mais personalizados e uma proatividade que hoje é exceção virando padrão mínimo.

Acredite, ele vai ficar mais exigente!

Percebe o que isso significa? O que te diferencia hoje (responder rápido, mandar um relatório bonito, lembrar do aniversário do cliente) amanhã pode virar commodity!

O assessor continua sendo o protagonista da relação, isso não muda! Mas os diferenciadores passam a ser confiança, transparência e responsabilidade sobre o que a AI está entregando em nome dele.

E para o assessor na prática? Menos tempo em tarefa operacional, mais tempo em conversa de alto valor. Parece ótimo, né?

Só que vem junto um skill set novo que pouca gente está falando…

Supervisionar o output da AI!

Até então, o assessor não possuía essa tarefa no dia a dia. Seja validando premissas utilizadas, gerenciando exceções, checando por alucinações e verificando se toda a recomendação que foi assistida por um agente está dentro do IPS do cliente e governança do escritório.

Ou seja… o assessor não vai deixar de trabalhar. Ele vai trabalhar de um jeito diferente. Menos planilha, mais julgamento.

Para o escritório, a tese é tão boa quanto parece… se a infraestrutura estiver lá!

A Deloitte já mapeou alguns escritórios nos Estados Unidos que se remodelaram e já conseguiram chegar no Expanding Stage. A orquestração funciona mais ou menos assim:

1. O sistema monitora prazos, necessidades e oportunidades de forma contínua;

2. Quando surge algo que exige julgamento humano ou uma conversa com o cliente, aí sim o assessor entra.

Esse novo framework obviamente libera horas do dia do assessor, o que imediatamente é confundido com aumento de produtividade e crescimento.

Só que não funciona bem assim…

Economizar cinco horas por semana não significa automaticamente que o assessor vai crescer. Se essas cinco horas forem absorvidas por reuniões internas e calls que poderiam ser apenas um e-mail, o assessor ganhou tempo de um lado e perdeu tempo do outro.

A produtividade só vira crescimento quando o tempo liberado é redirecionado com intencionalidade. Seja para novas prospecções, aprofundar a relação com os clientes que mais importam, se atualizar sobre o mercado, estudar...

E é exatamente aqui que a maioria dos escritórios vai travar.

Porque redesenhar processo é difícil, mas redesenhar a rotina de um assessor que já opera no piloto automático há anos… ah, isso é outra conversa…

Se você não conferiu a última edição do In The Money #43 - Information Ratio: Da Teoria à Realidade Brasileira, não deixe de clicar no link abaixo.

In The Money #43

Nos vemos no próximo domingo!

Se você não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

1. Information Ratio: Da Teoria à Realidade Brasileira

Lembra da edição passada do ITM #42, quando calculamos o Capture Ratio do Kapitalo K10? Se não viu, recomendo clicar aqui embaixo para conferir!

ITM #42: Ways to Read a Hedge Fund

A ideia basicamente era olhar pra dentro de uma família de métricas de avaliação de hedge funds que tenta separar o que é skill do gestor e o que é sorte.

Bom… Hoje vamos dar sequência nessa série e destrinchar uma das métricas mais interessantes para avaliar a skill de um gestor ativo: O Information Ratio (IR).

Essa edição será bem densa, então ative a sua caixinha de estatística e vamos lá!

A Anatomia do Information Ratio

Em uma linha: IR é a razão entre o retorno que o gestor entrega acima de um benchmark e o risco que ele assume pra entregar esse retorno.

• Numerador: Active Return, calculado mês a mês como:

É a diferença pura entre o retorno do fundo e o retorno do benchmark no mesmo período.

• Denominador: Tracking Error, definido como o desvio-padrão da série de active returns. Também podemos chamar de Active Risk:

Aí o IR fecha em:

The Fundamental Law

Em 1989, Richard Grinold publicou no Journal of Portfolio Management a versão original da chamada Fundamental Law of Active Management.

Onde:

• IC é o Information Coefficient, a correlação entre as previsões do gestor e os retornos realizados.

• BR é o Breadth, o número de decisões independentes que o gestor toma por ano.

Em 2002, Roger Clarke, Harindra de Silva e Steven Thorley estenderam a fórmula no Financial Analysts Journal e adicionaram o Transfer Coefficient (TC), que virou a Full Fundamental Law:

TC nesse caso mede quanto da convicção do gestor sobrevive às restrições de implementação, como posições vendidas, capacity, liquidez… Em mundo sem restrições, por exemplo, TC = 1 e a fórmula volta para a de Grinold.

O skill do gestor não se resume apenas em acertar. É preciso acertar muitas vezes e em decisões pouco correlacionadas entre si. Já pela ótica do breadth, o que torna um IR alto é quantidade de decisões. Por exemplo: um gestor macro aqui no Brasil que faz 4 grandes teses por ano tem BR baixo enquanto um sistemático que opera 200 sinais por ano tem BR alto. Para um mesmo IC, o sistemático tem IR maior. Essa foi a intuição que pavimentou metade da indústria de quant…

Grinold-Kahn vs Goodwin: A Realidade Não Bateu

E como que podemos avaliar o IR?

Lá em 1995, Grinold e Kahn propuseram faixas de interpretação que viraram meio que regra de bolso para a indústria.

• 0,5 < IR < 0,75 → Good;

• 0,75 < IR < 1 → Very Good;

• IR > 1,0 → Exceptional;

Até então, eles afirmavam que cerca de 10% dos gestores ativos sustentavam um IR acima de 1,0.

Em meados de 1998, um rapaz chamado Thomas Goodwin foi conferir se essa regra de bolso realmente batia com a realidade. Ele rodou um estudo com 212 gestores americanos entre os anos de 1986 e 1995, em 6 estilos diferentes.

O resultado?

Em 4 dos 6 estilos, nenhum gestor sustentou um IR > 1,0. Nos outros 2 estilos, no máximo 3% dos gestores conseguiram superar esse patamar.

Cá entre nós... essas regras de bolso geralmente vem cheias de falhas, né?

Sharpe Ratio ≠ Information Ratio

Detalhe importante antes da parte prática: a literatura confunde Sharpe Ratio e Information Ratio até hoje, e a confusão começou pelo próprio autor.

O Sharpe Ratio original foi proposto por William F. Sharpe em 1966, atrelado à teoria do CAPM.

Em 1994, o próprio Sharpe publicou outro artigo onde chamou o IR de generalized Sharpe ratio. Goodwin, em 1998, registra isso como fonte primária de confusão: o autor original cunhou a métrica como caso geral do seu próprio ratio.

A definição prática que a indústria acabou adotando, e que Goodwin endossa, separa as duas:

• Sharpe: excess return sobre o ativo livre de risco, dividido pela vol total;

• Information Ratio: active return sobre benchmark, dividido pelo tracking error;

Vamos falar mais afundo dessa diferença na parte prática, quando formos analisar a performance do Kapitalo Kappa MM. Isso porque quando o benchmark do IR é o próprio CDI, que no Brasil opera como proxy de risk-free, IR ≈ Sharpe. Os dois ratios colapsam… Daqui a pouco a gente vê isso virar dado real, aguenta ai!

O Teste Estatístico Escondido no IR

Aqui mora o ponto que a indústria varre pra debaixo do tapete.

O IR estima um parâmetro populacional (o alpha verdadeiro do gestor) a partir de uma amostra finita de retornos. Toda estimativa de parâmetro tem incerteza. E incerteza paramétrica é teste de hipótese.

Em teste de hipótese, você precisa formalizar duas hipóteses:

• H₀ (nula): alpha = 0. O gestor não tem skill genuíno e o que aparece de outperformance pode ser sorte.

• H₁ (alternativa): alpha > 0. O gestor tem skill (one-tailed, porque o que interessa é se ele bate o benchmark).

Nesse estudo, podemos considerar que o IR é proporcional ao t-statistic:

com T-1 graus de liberdade (Df).

A implicação prática: o mesmo IR pode ser estatisticamente significativo em uma amostra grande e completamente irrelevante em uma amostra pequena. Por exemplo, um IR de 0,5 calculado em 21 trimestres (T=21) gera t-stat de 2,29, que passa o crítico de 1,725 a 95%. Esse mesmo IR de 0,5 calculado em 9 trimestres (T=9) gera t-stat de 1,50, que NÃO passa o crítico de 1,860.

Mesmo número com conclusões opostas.

A diferença? Tamanho da amostra!

A Armadilha do Benchmark

Outro detalhe que a indústria minimiza: o IR é hipersensível à escolha do benchmark.

Goodwin, naquele mesmo estudo de 1998, testou trocar o Russell 2000 pelo Russell 2500 como benchmark de small caps. Mesmo gestor, mesma janela, simples troca de índice.

O resultado? O IR caiu até 0,53 em alguns gestores!

Pô… é muita coisa pra uma troca de benchmark.

Bom, já temos teoria suficiente. Bora pra prática!

Kapitalo Kappa: 13 Anos de Dados

Para ver IR e t-stat em ação, peguei o Kapitalo Kappa FICFIM (CNPJ 17.429.959/0001-40), classe ANBIMA Multimercados Livre.

São 159 meses de cotas mensais, entre 28/03/2013 e 29/05/2026.

A cota subiu de 1,0125 para 4,2630 nesse período. Acumulado de +321%. CAGR de 11,46% a.a. Vol anualizada de 5,45%.

No mesmo período, o CDI rodou 9,82% a.a. e o IHFA rodou 9,87% a.a.

Até 2020 as três séries andam coladas. Depois de 2020 o Kappa descola, principalmente do CDI… A maior parte do alpha do fundo nesses 13 anos vem dos últimos 5 anos. Detalhe que vai voltar mais pra frente, quando falarmos do Skill Ratio.

Passo a Passo

• Active return vs CDI: +0,1455%a.m ou +1,75%a.a;

• Active return vs IHFA: +0,1301%a.m ou +1,56%a.a;

• Tracking error anualizado vs CDI: 5,41%;

• Tracking error anualizado vs IHFA: 3,89%;

E a normalidade dos retornos?

Lembra que o t-stat do Goodwin lá em cima assume normalidade ou independência? Vale checar visualmente também.

A distribuição do Active Return vs CDI é claramente não-normal. Tem assimetria de −1,17 e excess kurtosis de +4,50 (cauda esquerda mais pesada). O Active Return vs IHFA é mais simétrico mas ainda assim foge da normalidade.

Isso pode invalidar o teste?

Na realidade, a normalidade dos retornos não é estritamente necessária. O que importa é que a média seja assintoticamente normal pelo Teorema do Limite Central. Com T = 159, o TLC está bem comportado e o teste sobrevive.

Os números finais

Aplicando o IR como Active Return médio dividido pelo tracking error, e anualizando por √12:

Aqui, temos três leituras:

• Primeira: Sharpe (vs CDI) = 0,320 e IR vs CDI = 0,323. Diferença de 0,003. Os dois ratios colapsam quando o benchmark é o próprio CDI. É a confusão do Goodwin materializada em dado real… Avisei lá em cima que isso ia aparecer!

• Segunda: troca o benchmark de CDI pra IHFA e o IR pula de 0,323 pra 0,401. Subiu 24% por uma única troca de índice. Lembra da Benchmark Trap?

• Terceira, e a mais cortante: t-stat de 1,461 e p-valor de 0,073 no IR vs IHFA. Em 13,25 anos de série, o p-valor passa raspando dos 5% de significância. O Kappa tem active return de 156 bps a.a., mas a evidência estatística não é forte o suficiente pra rejeitarmos H₀ com 95% de confiança. Ou seja, não dá para cravar que o resultado é skill genuíno e não sorte.

  ⚠️ Atenção: isso NÃO quer dizer que o gestor não tem skill! Quer dizer que ainda não temos evidência amostral suficiente pra provar que tem. A 90% de confiança, por exemplo, o teste passaria. Já a 95% que utilizamos, não.

Skill Ratio

Em 2018, Daniel Blais propôs uma alternativa no blog Enterprising Investor do CFA Institute. A ideia é simples: o IR mensal pune ruído de curto prazo que não importa para o investidor de longo prazo.

A filosofia do Blais partia do ponto que o investidor deveria perdoar um mês ruim. Na verdade, ele deveria perdoar até um ano ruim. Porém, não deve perdoar 5 anos ruins.

Aí ele propôs o Skill Ratio (SR): ao invés de tracking error de retornos mensais, calcule o active return em janelas móveis de 5 anos e use o desvio-padrão dessas janelas. Aí divide a média pelo desvio:

Aplicando no Kapitalo Kappa MM: os 159 meses geram 100 janelas móveis de 60 meses.

Em 100 janelas móveis de 5 anos, o Kappa ficou com active return positivo em… 100.

Nenhuma janela negativa. Para contexto, no estudo do Blais com Dodge & Cox, 44% das janelas eram negativas vs S&P 500. Aqui, zero.

Repare também na queda dramática do active return vs CDI entre 2023 e 2024 (de ~25% pra 0,57%). Isso tem uma explicação que nós conhecemos bem… Selic alta! O fundo continuou entregando em termos absolutos, mas a margem sobre o CDI ficou microscópica.

Os dois números descrevem o mesmo fundo na mesma janela.

O IR sugere skill ok mas não excepcional, e estatisticamente falha em rejeitar H₀ por pouco. Já o Skill Ratio sugere skill genuíno e consistente. Para efeito de comparação, Blais coloca SR > 1 como evidência de skill.

Régua e Reflexão

Bom, depois de toda essa caixinha de estatística aberta, vale um resumo prático sobre como olhar pra um IR que aparece pela frente. Usando as faixas que Grinold-Kahn propuseram lá em 1995, junto com o que Goodwin descobriu na prática em 1998:

• IR < 0: o gestor entregou menos que o benchmark. Próximo!

• 0 < IR < 0,5: abaixo da régua do Grinold-Kahn. Sem t-stat, não dá pra distinguir de sorte;

• 0,5 < IR < 0,75 (”Good”): faixa boa pela régua, mas raríssima de ser sustentada em janelas longas;

• 0,75 < IR < 1,0 (”Very Good”): muito raro. Goodwin mostrou que mesmo em 10 anos é incomum;

• IR > 1,0 (”Exceptional”): praticamente inexistente em janelas longas. Goodwin achou ZERO em 4 dos 6 estilos. Desconfie da janela ou do benchmark;

E a régua que ninguém usa, mas deveria: sem t-stat e p-valor, IR é só um número sem incerteza quantificada. Você pode estar lendo apenas metade da informação.

Agora, sobre o benchmark utilizado… faz sentido medir o IR de um macro brasileiro contra o CDI?

Direto ao ponto: Não! Para isso, já temos o Sharpe Ratio que entregará o mesmo resultado. Vimos lá em cima a diferença ser de apenas 0,003…

Para utilizar essa métrica em multimercados brasileiros, recomendo utilziar o IHFA. Não é perfeito, mas é o que representa o peer group de gestores MM. macro hedge fund, o benchmark correto pra IR é o IHFA. É o peer group.

Quero acabar essa edição com uma pergunta honesta: você já tinha visto algum desses nomes de autores sendo citados por aí? 🤔

Toda essa literatura fundamenta a teoria de avaliação de gestão ativa lá fora, mas no nosso mercado quase ninguém a discute. Esse vácuo entre o que existe na literatura e o que se discute por aqui é justamente onde o ITM tenta operar.

Espero que tenham gostado, até o próximo domingo!

Se você não conferiu a última edição do In The Money #42, não deixe de clicar no link abaixo.

In The Money #42

Nos vemos no próximo domingo!

Se você não é inscrito, considere se inscrever no link abaixo!

Assine agora

Ah, claro… é sempre bom lembrar:

As opiniões aqui expressas são exclusivamente minhas e não representam as de pessoas, instituições ou organizações com as quais eu possa ou não estar associado, a qualquer título, salvo quando expressamente indicado.

1. Reading The Hedge Funds

Olha o carteiro chegando…

Teve um início de mês corrido e não deu tempo de se atualizar sobre os posicionamentos das principais gestoras do mercado?

Sem problemas… Vou facilitar a sua vida e compartilhar aqui abaixo de forma bem direta e reta.

Se você sentir falta de alguma gestora aqui abaixo, escreva nos comentários para que eu adicione nas próximas edições.

As posições aqui abaixo refletem as informações contidas nas cartas dos gestores referente ao fechamento de maio.

Kinea

• 📉 Juros: Aplicada em Brasil (posições pequenas, evitando a parte intermediária da curva) | Aplicada na Suécia (principal posição internacional) | Aplicada na Nova Zelândia (menor escala) | Aplicada no México (menor escala) | Tomada nos EUA (mercado de trabalho melhorando + inflação resiliente) | Tomada no Chile

• 📊 Bolsa: Comprada em tecnologia/IA nos EUA (semicondutores e megacaps: Nvidia, TSMC, Broadcom, ASML, Google, Amazon — exposição reduzida no mês) | Comprada em industrial nos EUA (GE Vernova, Eaton, Raytheon) | Comprada em Brasil via opções de índice (exposição reduzida) + posições selecionadas em Embraer, utilities (Copel, Equatorial, Sabesp), Vibra, construtoras (Cury, Direcional) e Orizon | Vendida em índices de mercados desenvolvidos (hedge via opções de S&P 500 e Russell)

• 💱 Moedas: Comprada em Dólar (USD) | Comprada em Yuan (China) | Vendida em Euro | Vendida em Libra | Vendida em Dólar australiano

• 🛢️ Commodities: Comprada em Petróleo (intensidade reduzida) | Comprada em Milho | Comprada em Açúcar | Comprada em Algodão | Comprada em Cobre | Comprada em Alumínio | Vendida em Café

Kapitalo K10

• 📉 Juros: Aplicada em Brasil (reduzida no mês) | Aplicada na Suécia (reduzida no mês) | Aplicada no México (reduzida no mês) | Aplicada no Reino Unido (reduzida no mês) | Aplicada no Canadá (reduzida no mês)

• 📊 Bolsa: Comprada em tecnologia nos EUA | Comprada na Argentina | Zeraram posição vendida em small caps EUA

• 💱 Moedas: Comprada em Peso chileno (vs. USD) | Comprada em Dólar norte-americano (adicionada no mês) | Vendida em Baht tailandês (vs. USD) | Vendida em Euro (vs. USD) | Vendida em Libra esterlina (vs. USD, adicionada no mês) | Zeraram compra em Rand sul-africano

• 🛢️ Commodities: Comprada em Petróleo | Comprada em Diesel | Comprada em Cobre | Comprada em Alumínio | Vendida em Café | Vendida em Trigo | Vendida em Zinco | Vendida em Gás natural nos EUA (adicionada no mês) | Zeraram compra em Ouro | Zeraram compra em Óleo de soja

Ibiuna

• 📉 Juros: Aplicada em juros nominais curtos no Brasil vs. tomada em juros longos (steepener) | Valor relativo nas curvas reais e implícitas Brasil | Misto de posições aplicadas e tomadas no G-10 | Redução em emergentes selecionados no exterior

• 📊 Bolsa: Comprada na bolsa americana | Comprada em emergentes | Long-short não direcional no Brasil (sem viés direcional explicitado)

• 💱 Moedas: Comprada em Yuan (China) | Comprada em Florim húngaro | Trades táticos vendidos em Dólar via opções

• 🛢️ Commodities: Comprada em Petróleo (pequena posição) | Comprada em Ouro (pequena posição)

Ace

• 📉 Juros: Aplicada em mercados internacionais (risco migrado do Brasil para outras geografias) | Aplicada em Brasil (posição reduzida ainda mais no mês)

• 📊 Bolsa: Comprada em bolsas americanas (principal alocação de risco) | Comprada em Brasil (baixa exposição direcional) via long-short em bancos, energia elétrica, saneamento e commodities

• 💱 Moedas: Comprada em Dólar (cesta vs. moedas de países desenvolvidos, mudança de postura neutra para viés comprado no mês) | Posição menor comprada em moedas emergentes (parcialmente compensando)

• 🛢️ Commodities: Hedges distribuídos em commodities como proteção do portfólio (sem posição direcional stand-alone explicitada)

Bahia AM

• 📉 Juros: Aplicada em juros reais Brasil + posições relativas na curva de juros reais | Aplicada em juros do Canadá (vs. Zona do Euro) | Aplicada em juros da África do Sul (vs. Zona do Euro)

• 📊 Bolsa: Comprada em bolsa EUA | Posições relativas em ações brasileiras

• 💱 Moedas: Vendida em Dólar norte-americano | Comprada em Euro (vs. Libra esterlina) | Comprada em Rand sul-africano (vs. Libra esterlina)

• 🛢️ Commodities: Comprada em Petróleo | Posições relativas compradas em milho americano contra milho brasileiro

Genoa

• 📉 Juros: Posições em juros locais (contribuição levemente negativa, −0,06%) | Posições em juros e moedas globais (contribuição positiva, livro internacional +0,30%)

• 📊 Bolsa: Posições em ações macro e micro (ambas negativas no mês, principal detrator do período) | No fundo de ações (Arpa): exposição líquida acima do neutro (~80%), privilegiando empresas americanas de semicondutores e tecnologia; no Brasil, comprada em utilities, energia e financeiro

• 💱 Moedas: Posições em câmbio local (contribuição levemente positiva, +0,02%) | Posições em moedas globais (contribuição positiva, capturada dentro do livro internacional)

• 🛢️ Commodities: Não mencionado

Absolute

• 📉 Juros: Sem contribuição ou risco relevante no livro de juros

• 📊 Bolsa: Comprada em bolsa americana (ganhos) | Comprada em Europa (perdas) | Comprada em China (destaque entre emergentes) | Comprada em Brasil (perdas) | Comprada em Japão (perdas)

• 💱 Moedas: Vendida em Dólar (principalmente vs. Euro e Dólar australiano) | Comprada em Real (posição reduzida, detratora no mês) | Posições em Dólar australiano e Iene (detratoras) | Comprada em Rand (ganho no mês)*

• 🛢️ Commodities: Comprada em Cobre (ganho no mês)

Legacy

• 📉 Juros: Contribuição próxima da neutralidade (+0,03%); posições específicas não detalhadas na carta

• 📊 Bolsa: Comprada em bolsa global com preferência por ativos americanos (tecnologia/IA) | Risco reduzido em Brasil | Contribuição positiva (+0,11%)

• 💱 Moedas: Comprada em Dólar | Contribuição positiva (+0,18%)

• 🛢️ Commodities: Posições otimistas (contribuição positiva, +0,04%); instrumentos específicos não detalhados

The Positioning Board

2. Ways to Read a Hedge Fund

Faz quase um ano que acompanhamos as cartas mensais dos principais gestores macro do Brasil aqui no ITM. Posições, teses, mudanças de direção... tudo documentado, mês a mês.

Mas acompanhar posicionamento é metade do trabalho. A outra metade é saber avaliar o resultado.

Existem dezenas de métricas pra isso e hoje vou destinar esse espaço para falar do Capture Ratio.

A ideia é bem simples. Você pega todos os meses em que o benchmark subiu e mede quanto do retorno o fundo capturou. Depois faz o mesmo com os meses em que o benchmark caiu. A razão entre os dois te dá o perfil de convexidade do gestor.

Três fórmulas, nessa ordem:

Onde R+ são os retornos nos meses em que o benchmark foi positivo e R- nos meses em que foi negativo.

Um Capture Ratio acima de 1,0 significa que o fundo entrega proporcionalmente mais nos meses bons do que perde nos meses ruins. Abaixo de 1,0, o inverso.

Vamos aplicar essa análise ao Kapitalo K10. Peguei os retornos mensais do fundo e o IHFA nos últimos 60 meses (jun/21 a mai/26).

Nessa janela, o IHFA teve 46 meses positivos e 14 meses negativos.

Nos 46 meses de alta, a soma dos retornos foram:

• K10 → +81,65%;

• IHFA → +57,15%.

Ou seja, quando a indústria subiu, o K10 capturou 143% da alta.

Já nos 14 meses de queda, tivemos:

• K10 → −9,99%;

• IHFA → −12,82%;

O K10 caiu menos que o benchmark na maioria dos meses negativos. Downside Capture de 78%.

Capture Ratio de 1,83!

Para cada 1% de upside capture, o fundo entregou ~0,55% de downside capture. Perfil convexo.

O que puxa esse número pra cima? Em 5 dos 14 meses negativos do IHFA, o K10 teve retorno positivo.

Em nov/22, por exemplo, o IHFA caiu −1,52% e o K10 perdeu apenas −0,45%. Em mar/23, IHFA −0,15% e o K10 subiu +2,90%. Quando o benchmark sofre, o fundo não necessariamente sofre junto.

E os meses ruins?

• Mar/26 foi o pior: IHFA −3,42%, K10 −6,13%. Caiu quase o dobro.

• Abr/24 também: IHFA −1,49%, K10 −3,29%.

Esses meses existem. O Capture Ratio de 1,83 não significa que o fundo nunca apanha. Significa que, no período analisado de 60 meses, o perfil de ganhos compensa o de perdas com folga e o gestor mostra uma convexidade frente ao mercado.

Me diz, você já conhecia essa métrica de avaliação?

Deixe um comentário

Se você não conferiu a última edição do In The Money #41, não deixe de clicar no link abaixo.

In The Money #41

Nos vemos no próximo domingo!