Glossário IA
O dicionário completo da Inteligência Artificial
Value at Risk (VaR) Condicional
Medida de risco que estima a perda potencial máxima de uma carteira num determinado horizonte, condicionalmente a um conjunto de informações ou estados de mercado específicos, frequentemente calculada com a ajuda de modelos de IA como as redes neurais recorrentes.
Expected Shortfall (ES) por Aprendizagem Profunda
Estimativa da perda média de uma carteira nos piores cenários que excedem o limiar do VaR, onde a distribuição das perdas extremas é modelada por redes neurais profundas para capturar não-linearidades e dependências complexas.
Stress-Testing Gerado por IA
Técnica onde modelos de IA, como as GANs (Generative Adversarial Networks), são utilizados para gerar cenários de crise económicos e financeiros plausíveis mas inéditos, a fim de avaliar a resiliência de uma carteira ou de uma instituição.
Modelo de Cópula Profunda
Arquitetura de aprendizagem profunda que aprende uma estrutura de dependência complexa (cópula) entre várias variáveis financeiras, permitindo uma modelagem mais precisa das correlações de cauda, essenciais para a avaliação do risco de contraparte.
Redes Neurais Quânticas para o Pricing de Opções
Aplicação de algoritmos de inspiração quântica ou de redes neurais que funcionam em computadores quânticos para resolver as equações diferenciais estocásticas complexas do pricing de opções, nomeadamente para produtos exóticos.
Aprendizagem por Reforço para Alocação Tática de Ativos
Utilização de agentes de aprendizagem por reforço que aprendem uma política de investimento ótima ao interagir com um ambiente de mercado simulado, a fim de maximizar o retorno ajustado ao risco em horizontes de curto/médio prazo.
Deteção de Anomalias em Séries Temporais Financeiras
Emprego de algoritmos de IA não supervisionados (ex: autoencoders, isolation forest) para identificar padrões de transação ou movimentos de preços anormais que possam indicar fraudes, erros de mercado ou eventos sistémicos emergentes.
Modelagem do Risco de Crédito por Graph Neural Networks (GNN)
Abordagem que representa as entidades (mutuários, garantias, empresas) e as suas relações como um grafo, e depois utiliza GNNs para prever a probabilidade de incumprimento, capturando os efeitos de contágio e as dependências estruturais da rede.
Previsão de Volatilidade por Redes Transformer
Aplicação de modelos Transformer, inicialmente concebidos para PNL, a séries temporais financeiras para prever a volatilidade futura, capturando eficazmente dependências de longo prazo e padrões complexos nos dados de mercado.
XAI (IA Explicável) para a validação regulatória de modelos
Conjunto de técnicas (ex: SHAP, LIME) que visam interpretar e justificar as decisões de modelos de IA 'caixa preta' utilizados em finanças, a fim de satisfazer os requisitos de transparência e documentação impostos por reguladores como o BCE ou o EFSA.
Calibração de modelos de risco por aprendizagem por reforço inverso
Método que infere os parâmetros de um modelo de risco (ex: aversão ao risco, probabilidades de transição) observando as decisões tomadas por especialistas, assumindo que essas decisões são ótimas de acordo com um certo critério de risco.
Meta-aprendizagem para a adaptação rápida de modelos de risco
Técnica onde um modelo aprende a aprender, permitindo-lhe adaptar-se a novos regimes de mercado ou a novos tipos de instrumentos com muito poucos dados, o que é crucial para manter a relevância dos modelos de risco em tempos de crise.
Quantificação da incerteza dos modelos de IA (Deep Ensembles)
Abordagem que treina vários modelos de IA em diferentes subconjuntos de dados e agrega as suas previsões para não só obter uma estimativa mais robusta, mas também medir a incerteza ou a confiança associada a cada previsão de risco.
Modelagem do risco de liquidez por agentes baseados em IA
Simulação de mercado onde agentes artificiais inteligentes, dotados de estratégias de aprendizagem, interagem para formar os preços e os volumes, permitindo estudar o impacto de choques na liquidez e no custo de transação dos portfólios.
Análise do risco sistêmico por PNL em notícias financeiras
Utilização do processamento de linguagem natural (PNL) e de modelos Transformer para analisar em tempo real fluxos de dados textuais (notícias, relatórios, redes sociais) a fim de quantificar o sentimento do mercado e identificar os sinais precursores de risco sistêmico.