Cosa succede quando guidando arriviamo a un semaforo rosso? Ci fermiamo, giusto? Poi, non appena la luce diventa verde pigiamo di nuovo sull’acceleratore. Se non lo facessimo, non passerebbe molto tempo prima di sentire l’automobilista alle nostre spalle suonare il clacson.
Chiunque abbia conseguito la patente sa quanto siamo propensi a collegare mentalmente determinati comportamenti con luci rosse e verdi. Siamo così abituati a certi segnali, infatti, che a volte dimentichiamo di considerare se è effettivamente possibile agire o se in qualche modo sono riusciti a confonderci.
Ad esempio, la luce può essere verde, ma cosa succede se un pedone attraversa la strada di fronte a noi? Non continuiamo. Ci fermiamo, aspettiamo che quella persona raggiunga l’altro lato della strada, e solo allora procediamo.
Quindi il vero segnale da seguire non è la luce verde, piuttosto la strada vuota davanti a noi. Dire “Ma la luce era verde”, non è la migliore scusa da utilizzare dopo aver investito un pedone, anche se alla fine potrebbe evitare dei guai.
Nel mondo della finanza, accade qualcosa di simile; non tutti i segnali (pure quelli in apparenza validi e provenienti da fonti autorevoli), vanno seguiti allo stesso modo.
Una delle funzioni più interessanti della piattaforma di FinScience è proprio questa capacità di valutare e classificare tramite algoritmo ogni informazione analizzata. Vediamo come:
1. La distinzione tra segnali ”Investor” e “Non-Investor”
Non tutti i segnali captabili e potenzialmente interessanti riguardano il mondo finanziario in senso stretto. Questo è ancora più vero per l’universo degli Alternative Data: alcune informazioni possono provenire da fonti atipiche, non aventi alcuna correlazione economica diretta con il business aziendale ma sono comunque in grado di arricchire il quadro delle conoscenze.
I canali sono due: da quello tradizionale vengono tratti i “Segnali Investor“, ovvero tutti quelli attinenti strettamente all’ecosistema finanziario e caratterizzati da una certa omogeneità di contenuti. Queste notizie sono di interesse per una platea di settore, e possono essere ricavate attraverso la consultazione e analisi delle fonti classiche (report trimestrali, comunicati stampa ufficiali, news su riviste specializzate, etc). Pur fondamentali per la comprensione del mercato in cui si opera, ci sono ben poche possibilità che possano attribuire un vantaggio competitivo.
I segnali “Non-Investor” provengono invece da galassie esterne a quella finanziaria. Si tratta di informazioni non afferenti alla sfera economica in senso stretto ed eterogenee, ma che in base al contenuto veicolato possono ragionevolmente influire sulle performance aziendali. A differenza dei ”segnali investor”, non sono necessari per la conoscenza del campo di operazione, ma spesso possono fornire informazioni in grado di attribuire un vantaggio competitivo, una volta integrate all’interno di data set composti.
La piattaforma di FinScience permette di differenziare e classificare automaticamente i contenuti raccolti secondo questa importante distinzione.
2. Insight sul medio-lungo periodo
Il trading intraday è una tipologia di approccio al mercato che ha come obiettivo quello di generare profitti in un ristretto time frame. L’intraday trading perciò nasce e si esaurisce nello spazio di una giornata. Seguire l’intraday è rischioso, in quanto nel breve periodo il mercato subisce importanti distorsioni da parte di pochi soggetti in grado di influenzarlo pesantemente.
Per queste ragioni, FinScience adotta un approccio sul medio-lungo periodo: l’informazione ha valore solo se la finestra temporale di analisi è sufficientemente ampia.
3. Nessun river of news
Alla luce di quanto detto sull’approccio nel medio-lungo periodo, il software di FinScience fornisce al massimo 10 highlight per ciascun segnale. In questo modo, le informazioni sono più attendibili e immediate da monitorare.
4. Lo storico dei segnali
Le informazioni ricavabili tramite l’analisi di alternative data diventano funzionali alla gestione di un investimento se possono essere consultabili agevolmente anche nel medio-lungo termine. A questo scopo, la piattaforma di FinScience garantisce uno storico per ciascun segnale oggetto di analisi per una durata di almeno 12 mesi.
5. Metriche digitali esclusive
FinScience mette a disposizione metriche digitali esclusive (tra le più importanti: DPV, Short Term DPV volatility index, Sentiment) confrontabili con le metriche finanziarie più tradizionali, con cui ricavare potenziali alpha.
6. Studio ed erogazione di modelli di investimento alternativi
Grazie all’approccio anticonvenzionale, sfruttando la piattaforma è possibile studiare e creare dei modelli di investimento quantitativi, particolarmente adatti ai mercati più stabili.