Torna all'elenco

Perché non usare la potenza dell’AI e del Machine Learning nel mondo degli investimenti? Sfatiamo i falsi miti. O ti distingui o ti estingui!

31 agosto 2020 - Gianluca Carnevale Garè

Ci dobbiamo rassegnare oppure è più giusto dire che dovremmo rallegrarci?

La realtà è che l’intelligenza artificiale (A.I.) e il Machine Learning (M.L.) sono ormai da tempo uscite dai libri di fantascienza per entrare prepotentemente nel nostro quotidiano, portandosi appresso tutto un bagaglio di verità, mezze verità, fantasie e falsi miti.

Molteplici i campi di applicazione nei quali, in maniera più o meno consapevole, ci troviamo ad incrociarli: i trasporti, la medicina, lo shopping, l’intrattenimento, etc.

Ed anche uno dei settori più tradizionali, come quello dell’Asset Management, si trova oggi costretto a dover fare i conti con una realtà che non può permettersi di ignorare!

Oggi innovare non è più solo una semplice opzione, ma è diventata ormai una necessità anche in questo settore: la domanda non è più se ma come.

La tecnologia anche nel mondo della gestione degli investimenti, sia tradizionali che alternativi, è entrata in modo dirompente e senza neppure bussare.

Fermare il mondo e scendere non è possibile, meglio dunque anticipare tale trend e dettare il passo.

Proviamo ad approfondire tali temi in un’intervista doppia con Francesco Magagnini (Co-Founder & CEO c/o Kellify) e Tony Guida (Senior Quant Researcher, Advisory Board Member c/o FDP Institute e Editor di Journal of ML in Finance), esperti nell’utilizzo delle tecnologie di ultima generazione nella valutazione di Asset di Investimento rispettivamente nel mondo dell’arte e degli investimenti mobiliari.

Dott. Guida, quale, a parer suo, l’impatto che la tecnologia ha oggi sul mondo del risparmio gestito?

T.G. “In una recente ricerca di Boston Consulting, Oliver Wyman, Partner e responsabile financial services Sud-Est Europa, afferma che per combattere la compressione dei margini e la crescita degli ETF, per tutti i gestori attivi si impone l’adozione delle tecnologie digitali, sia per ripensare il processo di investimento sfruttando la potenza dell’AI, sia per ripensare il modello distributivo.

Viviamo in un mondo molto più digitale rispetto a 20 anni fa. È indispensabile sapersi adattare a questo cambiamento per essere in grado di digerire una crescente mole di dati, sempre meno di carattere numerico e sempre più in nuovi formati, quali testi, immagini, video, audio. A tutto ciò si aggiungono le analisi e le ricerche su data-set complessi: data-base sulle transazioni delle carte di credito possono ad esempio fornire indicazioni sugli andamenti di settori o aziende, così come data-base contenenti immagini satellitari possono essere utilizzati per tracciare il transito di mezzi di trasporto merci, come navi container da cui estrapolare previsioni su trend commerciali. L’Intelligenza Artificiale permette di moltiplicare esponenzialmente le prospettive dalle quali ogni singolo titolo viene analizzato, consentendo così di costruire portafogli diversificati e di qualità”.

Meno immediato capire come si declina tale tecnologia nel settore dell’arte? Quali i vantaggi, quali gli obiettivi?

F.M. “Il nostro approccio si differenzia dal tradizionale modello di valutazione qualitativa, che rischia di essere poco trasparente e troppo soggettivo e si basa, invece, sulla raccolta e sull’analisi di una grande quantità di dati estremamente ampia ed articolata legata allo storico delle transazioni. Solo utilizzando approcci moderni come il ML, siamo in grado di domare quello che sempre più appare come uno tsunami di dati e cogliere relazioni non lineari, gestire in contemporanea un gran numero di segnali, imparare in modo auto-adattivo in assenza di modelli matematici predeterminati; tutte cose impossibili da percepire dal semplice occhio umano. Insomma, anche nel mercato dell’arte, come nel mercato mobiliare, l’obiettivo finale rimane quello di definire il valore nel modo più oggettivo possibile, con un approccio totalmente agnostico, che minimizza il rischio di una valutazione emotiva ed eccessivamente personale. È ormai chiaro che nella costruzione di qualsivoglia portafoglio di investimenti (e l’arte sempre più attira l’attenzione di chi ricerca forme alternative di investimento) ci sarà sempre meno spazio per l’intuizione e sempre maggior necessità di competenze specifiche per sfruttare appieno tale tecnologia”.

Quando si pensa all’uso del ML negli investimenti, molti sono portati a rigettarlo a priori forse anche perché influenzati da errate convinzioni e più o meno falsi miti, proviamo a sfatarne alcuni. Un pregiudizio largamente diffuso sul ML, per esempio, è che questa tecnologia sarebbe adatta solo agli investimenti sistematici ad alta frequenza.

T.G. “Una percezione totalmente errata. Nel sottostante grafico i risultati di un nostro studio empirico. Siamo partiti da un medesimo data-base e abbiamo considerato come universo di investimento l’insieme delle azioni del mercato italiano. A quel punto abbiamo progettato quattro diversi modelli di ML che andassero a selezionare le società con performance prospettiche più promettenti, dando più importanza rispettivamente ai segnali di breve termine (una settimana e un mese) e a quelli di più lungo termine (sei mesi e dodici mesi). Come si può vedere, i quattro modelli producono rendimenti lordi equivalenti, con uno stesso livello di accuratezza indipendentemente dal timing dei segnali considerati. Anzi, abbiamo notato che, se si considerano le commissioni e i costi di turnover, le previsioni più a lungo termine (12 mesi) presentano un profilo di rendimento aggiustato al rischio, molto più interessante”.

Altra accusa che viene spesso mossa è quella che il ML sarebbe una sorta di “Black Box” e cioè una scatola nera i cui meccanismi algoritmici sarebbero insondabili, di difficile comprensione e di dubbio funzionamento.

T.G. “Nulla di più falso. Infatti, un filone della ricerca su una nuova generazione di modelli di ML dimostra l’esatto opposto, ovvero che è possibile visualizzare il tutto in modo trasparente come se fosse non una black box, ma una glass box. Vale a dire che anche per il modello di ML più complesso, come il Deep Neural Network, è possibile capire perché e come sia stata fatta una certa previsione. Questa è la chiave per costruire la conoscenza, la comprensione e quindi la fiducia nel modello.

F.M. “Sono assolutamente d’accordo, la vera questione è un’altra, come posso rendere accessibile ogni singolo dettaglio del funzionamento del modello e nel contempo difenderlo da imitazioni e/o riproduzioni? L’impossibilità di brevettarlo rende tutto ciò impossibile e, conseguentemente, costringe a mantenere riservati i segreti sottostanti, ben noti però a chi ha costruito l’algoritmo”.

E cosa si può rispondere a coloro che affermano che il ML sia un auto-pilota?

T.G. “Il ML non esiste senza i neuroni, la componente umana non può essere sostituita, ma anzi rappresenta sempre una parte preponderante e imprescindibile. L’uomo, infatti, entra in ogni singola fase dei sistemi di ML, dall’attività iniziale di ricerca e analisi dei dati, alla costruzione del portafoglio, fino all’attività di testing, monitoring e miglioramento dei modelli. L’intelligenza artificiale è uno strumento utile a ridurre la componente emotiva e a minimizzare la volatilità di portafoglio, a supporto del lavoro del gestore che non può essere sostituito, ma a cui anzi spetta sempre e comunque l’ultima parola”.

F.M. “Una macchina può fare il lavoro di cinquanta uomini ordinari, ma nessuna macchina può fare il lavoro di un uomo straordinario, questo sosteneva Elbert Green Hubbard, scrittore e filosofo americano vissuto tra la seconda metà dell’ottocento e i primi anni del novecento. Credo sia una grande verità che valeva per le macchine e vale per la A.I.”.

Quali i limiti?

F.M. “Non ne vedo di significativi. Appare evidente come, nel prossimo futuro, nessuno potrà ignorare e fare a meno di tali tecnologie, più che mai idonee a valutare qualsiasi asset di investimento. Nella nostra azienda, oltre ad essere utilizzate per la valutazione di opere d’arte, trovano applicazione in diversi luxury good, quali vini, orologi, sneaker. La strada è quella di dare sempre minor peso ai caratteri estetici a vantaggio di dati oggettivi basati sulle transazioni. Il nostro modello è in grado di valutare tutti i prodotti di investimento; datemi i dati, noi abbiamo il know-how e le persone più adatte”.

T.G. “Più che di limiti parlerei di opportunità che oggi più che mai non ci si può permettere di perdere!”

 

*ReasearchAndMarkets, uno dei più importanti centri di ricerca a livello internazionale, stima che al 2025 l’Intelligenza Artificiale genererà nel settore dell’Asset Management un CAGR del 33,84% e utili di 11.39 miliardi di USD.

 

Gianluca Carnevale Garè è Head of Sales, Retail Italy & Milano Branch Manager presso Ram Active Investments (Gruppo Mediobanca) e nostro corsista EMBAT