L’intelligenza artificiale trova sempre più applicazioni in diversi settori e questo vale ormai anche per quello finanziario. La recente pandemia di Covid-19, oltre a influire sulla vita quotidiana di tutti noi, ha anche avuto un impatto importante sull’andamento delle economie, dei mercati finanziari, con enormi riflessi sugli investimenti. La propagazione dello shock sui mercati è avvenuta in modo improvviso e imprevedibile. In questo senso il ricorso all’intelligenza artificiale (AI), pur non potendo prevedere l’imprevedibile, può rivelarsi uno strumento efficace per fare previsioni su quelle anomalie dei mercati finanziari che spesso precedono, o comunque sono il segnale, che un evento inatteso sta per verificarsi e fornire gli strumenti idonei a ridurne i rischi.
Come l’AI può essere usata per la previsione di eventi nel settore finanziario
La tecnologia avanzata del machine learning può essere utilizzata per fare previsioni sulle tendenze dei mercati e per fornire una stima sulla relativa certezza delle previsioni. I sistemi di intelligenza artificiale, infatti, sono completamente agnostici sia riguardo i mercati sia riguardo i rischi ad essi associati. Quello che fanno i modelli di AI, piuttosto, è mandare un segnale di allerta quando viene rilevata un’anomalia nella struttura stessa dei dati, che potrebbe essere l’indicazione che un evento imprevedibile sta per realizzarsi a breve.
Il cervello umano è molto bravo a riconoscere schemi o difformità rispetto agli schemi ma non lo è altrettanto a valutare quanta fiducia possiamo attribuire ai modelli stessi. E questo è più vero che mai nel settore finanziario, in cui i dati disponibili oltre che numerosi sono estremamente complessi, difficili da decifrare, di grandi dimensioni e suscettibili di dare adito a interpretazioni non univoche. In questo senso l’intelligenza artificiale può giocare un ruolo di estrema importanza. È infatti in grado di avvisare gli investment manager che i mercati si stanno muovendo in un territorio mai visto prima e facendolo è in grado di porli nella condizione di mitigare i rischi, ad esempio riducendo l’esposizione su un determinato mercato.
In quali modi i risultati prodotti dall’AI nel settore finanziario differiscono dai metodi di valutazione tradizionali
Ci sono tre differenze fondamentali nel modo di fare previsioni finanziarie tra l’intelligenza artificiale (AI) e i tradizionali metodi statistici che sono stati usati per decenni dalla finanza quantitativa.
I primi due sono ormai noti: la massa dei dati disponibili e analizzati e le dimensioni della potenza di calcolo utilizzata. In entrambi i casi sono sicuramente superiori quando si fa ricorso all’intelligenza artificiale.
Ma c’è un terzo aspetto, molto più “sottile” e spesso trascurato. Mentre i modelli tradizionali si basano solitamente sui risultati dei dati a disposizione e sulle evidenti relazioni fra essi, le moderne tecnologie che fanno ricorso all’intelligenza artificiale sono flessibili quando si trovano a dover analizzare queste relazioni. Le tecnologie più avanzate, come il deep learning, delegano la scelta della migliore forma funzionale da adottare agli algoritmi e rendono significativamente più precise le relazioni che emergono dai dati a disposizione.
Un esempio di come l’AI è stata usata per fare previsioni nel settore petrolifero
A febbraio dello scorso anno, i sistemi di intelligenza artificiale hanno rilevato delle forti anomalie relative al mercato delle materie prime e in particolar modo del mercato del petrolio. Il prezzo del greggio ha registrato delle forti oscillazioni proprio dall’inizio dell’anno. Tuttavia, nonostante la volatilità del mercato, i volumi registrati erano in linea con una situazione di normalità. Quel che è successo è che, poche settimane dopo, l’Arabia Saudita ha iniziato una sorta di guerra dei prezzi nei confronti della Russia e questo ha contribuito a far crollare il prezzo del petrolio del 65% in un trimestre. Pur non prevedendo nello specifico questa battaglia sui prezzi, i modelli d’intelligenza artificiale avevano rilevato delle anomalie nei dati e constatato la difficoltà a fare previsioni sull’andamento che avrebbe potuto avere il settore. Come sappiamo poi, nel mese di aprile i future sul petrolio hanno raggiunto valori negativi. Un fenomeno difficile anche da spiegare sui mercati.
Questa anomalia sul mercato è stata palese mentre quella che i nostri modelli avevano rilevato nel mese di febbraio non era possibile vederla a occhio nudo. Un investitore in possesso di queste informazioni a febbraio, in modo anticipato, per fare un esempio, avrebbe potuto trarne vantaggio e ridurre la propria esposizione nei confronti del settore petrolifero, anche solo in un’ottica di risk management.
I vantaggi derivanti dal ricorso all’AI per le previsioni finanziarie
Esistono molti e differenti modi per trarre beneficio dalle previsioni generate da modelli di intelligenza artificiale (AI) in campo finanziario e dai sistemi di rilevamento di anomalie dei mercati. Gli investitori possono usare queste predizioni per migliorare o riposizionare le loro strategie o anche per implementarne di nuove partendo da zero. La nuova strategia può anche diversificare la generazione di alfa (extraperformance) in un processo d’investimento già esistente o comunque consentire di ridurre il rischio e, se possibile, coprire quei rischi che possono essere individuati facendo ricorso a questo tipo di sofisticata tecnologia.
La possibilità futura di prevedere eventi imprevedibili
Nessuno può prevedere l’imprevedibile. I modelli più sofisticati di intelligenza artificiale, tuttavia, sono in grado di rilevare le anomalie e questo rappresenta uno strumento molto efficace per anticipare eventi futuri che possono verificarsi nei mercati e che possono avere un impatto completamente diverso da quelli riscontrati in passato, come ad esempio sta accadendo adesso con la pandemia di Covid-19.
Quello che è certo è che l’analisi predittiva è importante per le grandi potenzialità legate alla domanda di capacità previsionale e per la altrettanto grande disponibilità di dati sui quali lavorare. Ci troviamo davanti a un settore, quello finanziario, che utilizza da tempo modelli statistici tradizionali e che proprio grazie a una maggiore disponibilità di dati si presta a costruire strategie completamente quantitative.
Diventa quindi un terreno “fertile” per l’applicazione di tecnologie più complesse come l’intelligenza artificiale e il deep learning ed è nello stesso tempo un settore in cui la capacità di estrarre valore dai dati, nel senso di sfruttarne le potenzialità previsionali, può essere messo al servizio del business in modo molto diretto.
