Problemas com a fauna de fatores (Zoo Factor)

Semana passada, na página da Kadima Asset Management falamos sobre um artigo que mostrava como tem crescido o número de fatores publicados na academia desde a década de 60 até 2018.

Os autores dete artigo, Campbell R. Harvey e Yan Liu, trazem também alguns problemas relacionados ao aumento dessa "fauna".

#1 - Usualmente os testes realizados para identificar os fatores declaram um nível de significância (tipicamente 5% ou dois sigmas), que em tese representa uma taxa aceitável de falsos positivos. Contudo o calculo na maioria dos casos considera como se um único fator tivesse sido testado, sem fazer a devida correção para considerar os múltiplos testes realizados.

#2 - É possível contar os fatores publicados na academia, mas não os não publicados. Quando um(a) pesquisador(a) percebe que seu trabalho não atende ao nível de significância, e provavelmente nao terá tantas citações, ele(a) precisa decidir se continua ou abandona o trabalho. Levando isto em consideração, não se pode dizer que temos ciência de todos os fatores testados.

#3 - Existem alguns procedimentos estatísticos para ajustar os testes e lidar com o problema 1. Contudo temos aqui um trade-off: ao aumentarmos o rigor exigido nos resultados, invariavelmente acabamos descartando erroneamente fatores que de fato poderiam significar prêmios de riscos.

#4 -Mesmo que saibamos exatamente quantos fatores foram testados, seriamos tolos em aplicar os mesmos ajustes a todos os fatores que forem testados. Não é razoável acreditar que fatores encontrados simplesmente por procedimentos de data-mining têm a mesma relevância de fatores que foram encontrados com uma metodologia científica clássica (primeiro define a teoria que fundamenta a existência do fator, para depois testar).

#5 - Ao considerar os custos de transação (rotineiramente ignorados em publicações acadêmicas) o número de fatores que parecem reais diminui drasticamente.

Você vê ainda algum outro problema relacionado a este aumento de publicações?