Dependemos da sorte?

A distribuição da riqueza segue um padrão bem conhecido, às vezes chamado de regra 80:20: 80% da riqueza pertence a 20% da população. De fato, um relatório do ano passado concluiu que apenas oito homens tinham uma riqueza total equivalente à dos 3,8 bilhões de pessoas mais pobres do mundo.

Isso parece ocorrer em todas as sociedades, em todas as escalas. É um padrão bem estudado, chamado lei do poder, que surge em uma ampla gama de fenômenos sociais. Mas a distribuição da riqueza está entre as mais controversas por causa das questões levantadas sobre justiça e mérito. Por que tão poucas pessoas deveriam ter tanta riqueza?

A resposta convencional é que vivemos em uma meritocracia na qual as pessoas são recompensadas por seu talento, inteligência, esforço e assim por diante. Com o tempo, muitas pessoas pensam, isso se traduz na distribuição de riqueza que observamos, embora uma boa dose de sorte possa desempenhar um papel.

Mas existe um problema com essa ideia: enquanto a distribuição de riqueza segue uma lei do poder, a distribuição de habilidades humanas geralmente segue uma distribuição normal que é simétrica em relação a um valor médio. Por exemplo, a inteligência, medida pelos testes de QI, segue esse padrão. O QI médio é 100, mas ninguém tem um QI de 1.000 ou 10.000.

O mesmo vale para o esforço, medido pelas horas trabalhadas. Algumas pessoas trabalham mais horas que a média e outras menos, mas ninguém trabalha um bilhão de vezes mais horas que qualquer outra pessoa.

E, no entanto, quando se trata de recompensas para este trabalho, algumas pessoas têm bilhões de vezes mais riqueza do que outras. Além disso, vários estudos mostraram que as pessoas mais ricas geralmente não são as mais talentosas por outras medidas.

Que fatores determinam como os indivíduos se tornam ricos? Será que a chance tem um papel maior do que se esperava? E como esses fatores, sejam eles quais forem, podem ser explorados para tornar o mundo um lugar melhor e mais justo?

Hoje existe uma resposta graças ao trabalho de Alessandro Pluchino na Universidade de Catania, na Itália, e a alguns colegas. Esses acadêmicos criaram um modelo computacional de talento humano, e a maneira como as pessoas o usam para explorar oportunidades na vida. O modelo permite que a equipe estude o papel do acaso neste processo.

Os resultados são algo que nos abre os olhos. Suas simulações reproduzem com precisão a distribuição de riqueza no mundo real. Mas os indivíduos mais ricos não são os mais talentosos (embora precisem ter um certo nível de talento). Eles são os mais sortudos. E isso tem implicações significativas na maneira como as sociedades podem otimizar os retornos que obtêm para investimentos em tudo, desde negócios a ciência.

O modelo de Pluchino e companhia é direto. É composto por N pessoas, cada uma com um certo nível de talento (habilidade, inteligência, e assim por diante). Esse talento é distribuído normalmente em algum nível médio, com algum desvio padrão. Portanto, algumas pessoas são mais talentosas que a média e outras menos, mas ninguém tem ordens de magnitude mais talentosas do que qualquer outra pessoa.

Um exemplo de configuração inicial para as simulações. Todas as simulações apresentadas neste artigo foram realizadas no ambiente de modelo baseado em agente do NetLogo [56]. N = 1000 indivíduos (agentes), com diferentes graus de talento (inteligência, habilidades etc.), estão localizados aleatoriamente em suas posições fixas dentro de um mundo quadrado de 201x201 patches com condições de contorno periódicas. Durante cada simulação, que abrange várias dezenas de anos, eles são expostos a um certo número NE de sorte (círculos verdes) e eventos de azar (círculos vermelhos), que se movem pelo mundo seguindo trajetórias aleatórias anda em). Neste exemplo NE = 500.

Esse é o mesmo tipo de distribuição observado para várias habilidades humanas, ou até características como altura ou peso. Algumas pessoas são mais altas ou menores que a média, mas ninguém é do tamanho de uma formiga ou de um arranha-céu. De fato, somos todos bastante parecidos.

O modelo de computador traça cada indivíduo ao longo de uma vida útil de 40 anos. Durante esse período, os indivíduos experimentam eventos de sorte que podem explorar para aumentar sua riqueza se tiverem talento suficiente.

No entanto, eles também experimentam eventos infelizes que reduzem sua riqueza. Esses eventos ocorrem aleatoriamente.

No final dos 40 anos, Pluchino classifica os indivíduos por riqueza e estudam as características dos mais bem-sucedidos. Eles também calculam a distribuição da riqueza. Em seguida, repete a simulação várias vezes para verificar a robustez do resultado.

Quando a equipe classifica os indivíduos por riqueza, a distribuição é exatamente igual à observada nas sociedades do mundo real. "A regra '80 -20' é respeitada, já que 80% da população possui apenas 20% do capital total, enquanto os 20% restantes possuem 80% do mesmo capital", relatam Pluchino.

Isso pode não ser surpreendente ou injusto se os 20% mais ricos forem os mais talentosos. Mas não é isso que acontece. As pessoas mais ricas normalmente não são as mais talentosas nem estão perto disso. "O sucesso máximo nunca coincide com o talento máximo e vice-versa", afirmam os pesquisadores.

Então, se não o talento, que outro fator causa essa distribuição distorcida da riqueza? "Nossa simulação mostra claramente que esse fator é apenas pura sorte".

A equipe mostra isso classificando os indivíduos de acordo com o número de eventos de sorte e azar que eles experimentam ao longo de suas carreiras de 40 anos. "É evidente que os indivíduos mais bem-sucedidos também são os mais sortudos", dizem eles. "E os indivíduos com menos sucesso também são os mais azarados."

Isso tem implicações significativas para a sociedade. Qual é a estratégia mais eficaz para explorar o papel da sorte no sucesso?

Pluchino e colaboradores estudam isso do ponto de vista do financiamento da pesquisa científica, uma questão claramente próxima de seus corações. As agências de financiamento em todo o mundo estão interessadas em maximizar o retorno do investimento no mundo científico. De fato, o Conselho Europeu de Pesquisa investiu recentemente US $ 1,7 milhão em um programa para estudar o acaso - o papel da sorte na descoberta científica - e como ele pode ser explorado para melhorar os resultados do financiamento.

Acontece que Pluchino e companhia estão bem preparados para responder a essa pergunta. Eles usam seu modelo para explorar diferentes tipos de modelos de financiamento para ver quais produzem os melhores retornos quando a sorte é levada em consideração.

A equipe estudou três modelos, nos quais o financiamento da pesquisa é distribuído igualmente a todos os cientistas; disseminados aleatoriamente para um subconjunto de cientistas; ou dado preferencialmente àqueles que tiveram mais sucesso no passado. Qual destas é a melhor estratégia?

A estratégia que oferece os melhores retornos é dividir o financiamento igualmente entre todos os pesquisadores. E a segunda e terceira melhores estratégias envolvem distribuí-lo aleatoriamente a 10 ou 20% dos cientistas.

Nesses casos, os pesquisadores são mais capazes de tirar proveito das descobertas inesperadas que fazem de tempos em tempos. Em retrospectiva, é óbvio que o fato de um cientista ter feito uma importante descoberta casual no passado não significa que ele ou ela têm mais chances de fazer uma no futuro.

A princípio esse resultado é surpreendente, pois existe uma crença que quanto mais inteligente maior a chance de sucesso financeiro. Na minha vida profissional percebi que a sorte foi um fator decisivo, mas associava também a competência. Porém não é o que esse estudo revela, embora acredito que a capacidade parte de um mínimo.

Outra evidencia que vai nesse sentido é a observação que quase nunca os melhores estudantes de uma turma são os mais bem-sucedidos em sua carreira. Até então não havia uma boa explicação para essa pseudo distorção, talvez esse estudo justifique.

No post sobraram-alguns-porcos, fiz os seguintes comentários sobre o dólar: “ ... A hipótese traçada na semana passada fica comprometida. No próximo gráfico parece que um triângulo esteja de desenhando. Se esse for o caso, vamos ter que pagar mais caro para poder entrar no trade” ...

Nessa semana o cenário da formação está se consolidando, desta forma, vou propor um trade para compra de dólar a R$ 4,08 com um stoploss a R$ 4,00. O Objetivo inicial é de R$ 4,36. O gráfico a seguir é de periodicidade semanal e um triangulo maior pode ser uma outra hipótese que levaria o dólar a patamares mais baixos.

Conforme se pode notar, o dólar ficaria mais algum tempo contido pelas bordas do triângulo para depois subir aos níveis de R$ 4,40 ou R$ 4,60. Ambos cenários apontam para alta do dólar, porém, o trade proposto tem uma chance maior que o alternativo exposto acima.

O SP500 fechou a 3.006, com alta de 0,69%; o USDBRL a R$ 4,1305, com alta de 0,49%; o EURUSD a € 1,1149, com queda de 0,18%; e o ouro a U$ 1.483, com queda de 0,40%.

Fique ligado!