A ascensão dos algoritmos: IA faz fundos quantitativos explodirem na China

A explosão dos fundos quantitativos na China não é só sobre mais dinheiro, é sobre uma mudança estrutural na lógica de alocação. Em 2025, os fundos puramente quantitativos de ações superaram os humanos em 20,3 p.p., com retorno médio de 44,7%. O destaque vai para gestoras como Ningbo Lingjun (mais de 70% de retorno) e High Flyer (56, 57%), que não só cresceram como se reestruturaram: Lingjun saiu de uma crise regulatória em 2024 ao trocar modelos estáticos por sinais de curto prazo alimentados por IA.

O que torna esse movimento único é o ritmo de adoção. Um fundo da Ubiquant captou 384 milhões de dólares em menos de duas horas. Outro, da ChengQi, esgotou 100 milhões de yuans em segundos. Isso mostra que o investidor chinês não está apenas experimentando algoritmos, está migrando em massa, abandonando gestores de nome por infraestrutura de inferência em tempo real. A barreira de entrada agora é técnica: não basta ter um modelo, mas ter acesso a dados de alta frequência, latência submilissegundo e capacidade de atualização contínua de pesos, algo que só gigantes como Lingjun, Ubiquant e Minghong dominam hoje.

Em abril de 2026, o CEVIU já apontava que rodadas de IA estavam absorvendo fundos inteiros de VCs, mas agora vemos essa força migrando diretamente para o coração do sistema financeiro: os fundos de hedge. Antes era teoria de mercado; agora é prática operacional em escala. Em fevereiro, destacamos que instituições estavam comprometendo 'trilhões' com IA, e hoje sabemos que parte significativa desses trilhões já está alocada em estratégias quantitativas chinesas. A diferença real? Em março, MiniMax dobrava receita pós-IPO com prejuízo crescente; em julho, gestoras como Lingjun estão gerando alpha real, mesmo que ele esteja encolhendo rapidamente (de 8% para 4% em alpha médio de funds aprimorados).

Isso importa porque a China está criando um novo padrão global de finanças algorítmicas, não como complemento, mas como camada principal de tomada de decisão. Enquanto nos EUA a regulação ainda trava a autonomia total de agentes de trading, na China há pouca resistência institucional. O resultado é um laboratório acelerado: onde o alpha desaparece rápido demais, as gestoras respondem com novas camadas de IA, como detecção de microestruturas de ordem, modelagem de comportamento de retail traders via NLP em fóruns locais, ou simulação de cenários regulatórios em tempo real. Para devs e engenheiros de dados no Brasil, isso significa que habilidades em low-latency systems, feature engineering para mercados emergentes e governança de modelos em produção deixaram de ser nicho, são competências com demanda direta em fundos globais que buscam replicar esse modelo.