Modelos baseados em árvores

Os modelos baseados em árvores estão entre as ferramentas mais eficazes e práticas para dados financeiros tabulares — muitas vezes superando redes neurais quando suas features são uma tabela estruturada de números em vez de sequências brutas ou imagens.

Árvores de decisão

Uma árvore de decisão faz uma sequência de perguntas sim/não para chegar a uma previsão: 'A volatilidade está acima de X? Se sim, o momentum é positivo? Então preveja alta.' É intuitiva e fácil de visualizar — mas uma única árvore profunda faz overfitting ferozmente, memorizando os dados de treino, inclusive o ruído.

Random forests

Uma random forest corrige isso treinando muitas árvores, cada uma num subconjunto aleatório dos dados e das features, e depois fazendo a média das previsões. Nenhuma árvore isolada domina, o ruído das árvores individuais se cancela e o conjunto generaliza muito melhor. O princípio — combinar muitos aprendizes fracos e descorrelacionados — é uma das ideias mais confiáveis do aprendizado de máquina.

Gradient boosting

O gradient boosting (XGBoost, LightGBM, CatBoost) constrói árvores sequencialmente, cada nova árvore corrigindo os erros do conjunto até então. É frequentemente o melhor desempenho em problemas tabulares e é muito usado por fundos quant.

Por que combinam com finanças

• Capturam relações não lineares e interações entre features automaticamente.
• São relativamente robustos a escalonamento de features e a entradas irrelevantes.
• Fornecem escores de importância de features, oferecendo uma janela para o que dirige a previsão.

O mesmo aviso

O poder deles de ajustar é exatamente o perigo. Um modelo de boosting com árvores e profundidade suficientes vai ajustar o ruído histórico perfeitamente. O praticante honesto restringe a complexidade, valida fora da amostra com os métodos de walk-forward do capítulo final e permanece cético com um backtest bom demais.