AI e investimenti: quali vantaggi dal passaggio da Data-Driven a Assisted Decision-Making

Da oltre trent’anni banche, assicurazioni, fondi pensione, hedge fund e fondi d’investimento usano quotidianamente la matematica e la statistica per decidere come investire. In questo contesto, l’arrivo e l’adozione crescente dei modelli di intelligenza artificiale (AI) – come le Deep Neural Network – all’interno del processo d’investimento segna ufficialmente la transizione verso un’era di “assisted decision-making”, ovvero, di scelte d’investimento assistite dalla tecnologia per un monitoraggio costante dei rischi e un’analisi dinamica delle correlazioni e diversificazione tra le asset class.

Secondo le stime di IBM, circa il 90% dei dati in circolazione sarebbe stato prodotto negli ultimi due anni. In ambito finanziario, questa crescente complessità – unita a una fase nuova e inedita dei mercati finanziari – ha contribuito a cambiare profondamente le abitudini d’investimento nell’industria del risparmio gestito, che oggi vive contemporaneamente un periodo di grandi sfide e di rinnovamento. Da questo punto di vista, appare quasi naturale vedere come nell’industria che da decenni fa uso di tecniche statistiche e modelli econometrici tutto questo abbia avuto una ricaduta nel modo in cui gli investitori guardano ai mercati e prendono decisioni d’investimento.

Come l’AI può agevolare la finanza

Studi recenti mostrano come l’interesse delle istituzioni finanziarie verso l’adozione di nuove tecnologie – tra cui l’intelligenza artificiale (AI) – sia in forte crescita. Per molte banche, assicurazioni, fondi ma anche wealth e asset manager, investire in tecnologia è diventato elemento chiave, se non in alcuni casi centrale, all’interno delle proprie strategie per consolidare o acquisire un vantaggio competitivo. Tra i motivi che spingono questa accelerazione c’è soprattutto il carattere incrementale, piuttosto che radicale, dei benefici (in termini di produttività e efficienza) delle nuove tecnologie. Nel caso dell’AI nel processo d’investimento parliamo di effettuare analisi sempre più precise e adattive ai cambiamenti, permettendo ai gestori di formulare decisioni sulla base di una comprensione più profonda delle dinamiche dei mercati finanziari. A differenza del tradizionale approccio Data-Driven – basato esclusivamente sull’analisi dei Big Data – l’utilizzo dell’AI apre a una più moderna era di Assisted Decision-Making, ossia la capacità di ricevere raccomandazioni, suggerimenti e interagire dinamicamente con i dati con il beneficio di raggiungere decisioni più informate e limitare i bias.

Un esempio dell’applicazione dell’AI all’interno del processo d’investimento è l’utilizzo, sempre più frequente, di architetture di Deep learning – come le reti neurali – per monitorare l’andamento delle correlazioni tra le asset class, oppure per gestire i rischi legati alla transizione da una fase di mercato a un’altra. Da questo punto di vista, la nuova generazione di modelli guidati dall’AI è stata in grado di superare gli ostacoli che hanno limitato l’utilizzo dei metodi quantitativi tradizionali, tra cui l’approccio eccessivamente statico incapace di reggere continui cambiamenti. Al contrario, imparando dai dati, i modelli AI consentono una maggiore elasticità nell’adattarsi a situazioni nuove, aumentando lo spazio di manovra nelle decisioni d’investimento.

Dove si usa l’AI nel processo d’investimento

Secondo una ricerca congiunta del Cambridge Center for Alternative Finance e del World Economic Forum, oltre l’80% delle istituzioni finanziarie ha già adottato l’AI all’interno dei propri processi, tra cui spiccano quello d’investimento, insieme a quello di prodotto e di risk management. Eppure, sebbene la corsa verso l’integrazione delle nuove tecnologie da parte dell’industria del risparmio gestito sia agli inizi, esiste già un gap notevole tra le istituzioni che guidano il cambiamento e chi invece aspetta secondo Deloitte.

A una riflessione più attenta sembra infatti che la vera sfida di un gestore sia diventata quella di distinguere l’informazione rilevante da quella irrilevante. La gestione del portafoglio, in particolare, è stata un’area che ha beneficiato molto dall’introduzione dell’AI. Costruzione di portafogli su misura, analisi avanzate di titoli e fattori di rischio, analisi degli outlier e delle opportunità in termini di Asset Allocation tattica e strategica sono alcuni degli esempi delle aree in cui l’AI ha trovato maggiore applicazione, permettendo di cogliere sfumature prima nascoste nel rumore dei mercati.

In un certo senso, i benefici legati all’introduzione dell’AI sono inevitabilmente legati al livello di maturità raggiunto dalle diverse innovazioni. Mentre per alcune ci troviamo ancora in una fase sperimentale, per altre invece il loro utilizzo è diventato largamente diffuso e i benefici chiari in un’ottica di business e di prodotto. A questo proposito Gartner – la famosa società di consulenza strategica – ogni anno compila una scala che misura il livello di maturità raggiunto da una certa tecnologia. Oggi, le tecniche più mature nel campo dell’AI sono i predictive analytics ossia strumenti e modelli che imparano a comprendere il contesto, creare scenari, suggerire alternative e supportare le decisioni, permettendo così un Assisted Decision-Making. Calato nel contesto finanziario, una nuova generazione di strumenti che ci aiutano a rispondere a domande del tipo: il mio portafoglio riflette la mia view di Asset Allocation? A quali scenari e fattori di rischio sono maggiormente esposto? Quanto assomiglia l’attuale regime di mercato ai precedenti? E che alternative ho per ri-bilanciare il portafoglio in un contesto di risalita dei tassi?

Fonte: Gartner 2021

Maturità raggiunta nelle diverse branche di Data science e intelligenza artificiale

Assisted decision-making: un’opportunità per le istituzioni finanziarie

Specialmente nel risparmio gestito, sempre più gestori considerano le nuove tecnologie, come l’AI, un elemento cruciale per soddisfare una clientela più esigente. Come evidenzia l’indagine “The Future of Asset Management” condotta da Accenture su oltre 250 gestori e asset manager internazionali, AI e Open Innovation guidano questo trend. Oggi, le istituzioni finanziarie, per avere un Assisted Decision-Making guidato dalle nuove tecnologie, puntano a collaborare sempre di più con attori specializzati in ottica di Open Innovation per poter integrare con successo queste tecnologie sofisticate nel loro processo decisionale. Questo si osserva anche a livello nazionale, come svelano le interviste elaborate da Ambrosetti sui motivi che spingono il sistema bancario verso un’integrazione più intima con l’ecosistema fintech: accesso a nuove tecnologie e know-how specializzato sono i driver principali delle partnership tra banche e realtà innovative high-tech.

Perché le banche collaborano con le fintech

Fonte: Elaborazione The European House – Ambrosetti su dati Banca d’Italia “Fintech Survey of the Italian Financial System”

La tendenza verso l’adozione di modelli aperti e di partnership con attori specializzati del settore, sempre più spesso startup e scaleup, svela una transizione più ampia che l’industria dell’asset e wealth management attraversa da anni. Complice una crescente pressione sui margini, e una clientela sempre più sofisticata, collaborare in un’ottica di Open Innovation e boutique outsourcing è diventato non solo strategico per rimanere competitivi, ma anche un fattore chiave per integrare efficacemente le nuove tecnologie nel processo d’investimento.

Un esempio di questo è stata la risposta di Asset e Wealth manager alla crescente domanda di prodotti adattivi e efficienti dal punto di vista operativo. Grazie alle collaborazioni con advisor indipendenti, sono nate le prime soluzioni d’investimento – fondi, certificati e gestioni patrimoniali – guidate dall’AI. Nel caso delle gestioni patrimoniali guidate dall’AI il gestore beneficia degli input dell’AI per la costruzione di portafoglio, rimanendo protagonista della definizione dell’universo, dei vincoli e dell’esecuzione della strategia d’investimento. L’AI – fornendo input basati sui dati per avere una view di mercato completa – ha reso possibile allineare il posizionamento all’evoluzione dei mercati finanziari e mantenere i nervi saldi nei momenti di forte volatilità.

Grazie a queste collaborazioni tra le istituzioni finanziarie e gli attori con un know-how specializzato e altamente tecnologico, una nuova gamma di soluzioni d’investimento è stata creata, diretta espressione di una rinnovata sensibilità verso le soluzioni adattive, personalizzate e guidate dai dati rilevanti. Una tendenza che guida il passaggio graduale da un modello incentrato sui prodotti a uno incentrato sui clienti. L’Open Innovation non è solo diventata un requisito per rimanere competitivi, ma anche una leva per accelerare il business, integrando nuove tecnologie per assistere le scelte d’investimento.

Assisted decision-making per cogliere le opportunità

In una industria che da anni usa quotidianamente la matematica e statistica per valutare le decisioni d’investimento – tipicamente caratterizzate da un processo lungo e complesso – le nuove tecnologie stanno permettendo di avere una maniera più elastica e adattiva per analizzare i dati. In particolare, il passaggio da Data-Driven all’Assisted Decision Making, è l’esito dell’introduzione delle nuove tecnologie – tra cui i modelli AI. La capacità di vedere a 360 gradi, una nuova interazione tra i gestori e i dati, e decisioni più informate sono il risultato dell’applicazione di queste nuove tecnologie. Un’opportunità che, soprattutto in questo contesto, si traduce in un vantaggio a livello di gestione del rischio, efficienza e allineamento del portafoglio all’evoluzione dei mercati finanziari.