Home Blog Come usare l’i ...

Come usare l’intelligenza artificiale nel processo di investimento

Ugo Pastori

L’intelligenza artificiale è una branca dell’informatica che mira a creare macchine intelligenti che insegnano a se stesse. Gran parte della crescita dell’AI si è verificata nell’ultimo decennio: l’intelligenza artificiale si sta affermando come la base di un nuovo paradigma dell’investimento quantitativo. È un approccio che segna una separazione netta con quanto è stato fino a oggi: l’apprendimento non lineare e ad alta dimensionalità cerca di replicare il ragionamento umano.

Più in generale, l’AI ha come obiettivo quello di creare macchine capaci di un comportamento intelligente, secondo i canoni logici umani. Ciò distingue l’intelligenza artificiale dal machine learning, che cerca di costruire computer che possano agire senza una programmazione esplicita.

Qualunque sia l’interpretazione, investire avvalendosi dell’AI significa adottare un metodo molto diverso rispetto al tradizionale approccio quantitativo e, in un mondo affollato di informazioni standardizzate, la differenziazione è probabilmente una buona cosa.

Investire con l’AI

Il grafico sottostante evidenzia alcuni concetti fondamentali dell’AI. Le voci evidenziate in rosa sono quelle rilevanti per gli investimenti.

 

investire_con_ai

 

Un aspetto centrale dell’AI è l’integrated reasoning, che mira a creare le condizioni per lo step successivo, l’adoption and evolution. Ciò significa che un’intelligenza artificiale può apprendere logiche di investimento esperte e adattarle a operazioni future.

Questo è analogo al processo generale di “Knowledge Discovery in Databases” (KDD), ovvero quel processo attraverso il quale un’intelligenza artificiale può setacciare database di grandi dimensioni, ad esempio Bloomberg o Factset, per investimenti che possono portare a risultati oggettivi coerenti con le logiche guida.

Per essere chiari, i Big Data, i dati non strutturati e il sentiment scoring derivano da algoritmi specializzati di data mining e machine-learning. Non sono perciò un frutto dell’AI.

 

Imparare a essere diversi

L’AI differisce in quasi tutti gli aspetti dai tipici investimenti quantitativi: mentre questi sono guidati nella gestione del rischio attraverso una lente semplificata e lineare fornita dai modelli messi a punto ad hoc, l’intelligenza artificiale valuta informazioni eterogenee provenienti da molteplici ambienti: può così integrare una miriade di prospettive in ciascuna scelta di investimento, attraverso il comportamento collettivo di regole e modelli diversi, sintetizzando le informazioni più pertinenti per guidare il processo decisionale.

Questo è qualcosa di profondamente diverso rispetto alle strategie della maggioranza dei fondi quants tradizionali, i quali generalmente cercano di prevedere i rendimenti attesi o indirizzare le proprie esposizioni verso momentum più elevati.

I Big Data e l’apprendimento automatico hanno il potenziale per cambiare profondamente il panorama degli investimenti. Con l’aumento della quantità di informazioni disponibili, molti investitori continuano a studiare nuove vie per sfruttare l’analisi dei dati e prendere decisioni di investimento più consapevoli. Per queste ragioni, gli investment managers disposti ad apprendere e adottare nuove tecnologie avranno un vantaggio competitivo.

Sono stati compiuti più progressi nel campo dell’intelligenza artificiale durante ultimi cinque anni che negli ultimi cinquant’anni. I rapidi miglioramenti nell’apprendimento automatico hanno permesso ai computer di superare gli umani in alcuni aspetti, facendo cose che in passato sarebbero state semplicemente inimmaginabili.

 

the_rise_of_artificial_intelligence

 

Rispetto ad una strategia “quant” tradizionale, l’intelligenza artificiale ha più punti in comune con un approccio classico guidato dall’uomo, come mostra il grafico sottostante.

 

traditional_quant_vs_artificial_intelligence

 

Un’AI strategy applicata con successo agli investimenti combina gli aspetti più performanti delle tecniche di modeling basate sui dati con i piani guidati dalla logica umana.

 

Il rapporto tra AI e intelligenza umana

Apparentemente, gli uomini e le macchine funzionano bene insieme. Il grafico sottostante mostra i risultati. Con una stima, a partire dal 2011, ci sono state circa 206 partite di scacchi che hanno segnato il miglior rapporto per numero di mosse/vittoria di tutti i tempi (vittorie che richiedono il minor numero di mosse) in tornei che includevano umani, computer e i cosiddetti cyborg (combinazioni tra uomo e macchina).

 

chess_performance_by_cyborgs

 

Uno studio su queste esibizioni ha mostrato che l’80% delle partite sono state vinte dai “cyborg”.

Consideriamo ora la possibilità di uno scenario-tipo con uomini e macchine che lavorano insieme nel contesto di un equity long/short hedge fund. Gli esseri umani prendono le principali decisioni strategiche – ad esempio, scegliere di analizzare i record digitalizzati di un particolare settore che vale la pena seguire -, con l’aiuto di algoritmi di apprendimento automatico che equivalgono alla potenza di fuoco intellettuale di 10.000 analisti. Un tale scenario pone le basi per infinite possibilità di investimento.