Lo sviluppo tecnologico al quale l’umanità ha assistito dagli anni Novanta del XX secolo è, senza alcuna ombra di dubbio, il fenomeno più recente maggiormente assimilabile a quanto scritto nei libri di Storia relativamente alla Rivoluzione Industriale del Settecento e Ottocento.
Se oggi un comunissimo computer portatile riesce ad avere prestazioni migliori di super-computer di trent’anni fa del volume di diversi metri cubi, è solo grazie all’elevatissimo investimento assistito nell’anno da parte di Governi e società private nello sviluppo tecnologico.
Un contesto del genere è riuscito a rendere possibile la scrittura ed esecuzione di complessi algoritmi ritenuti fantascientifici fino a non molto tempo fa, portando ad un’interessantissima riscoperta di vecchi lavori accademici di matematici ai quali la comunità scientifica – in assenza di tecnologie così sviluppate – non aveva dato il giusto peso nel periodo della loro pubblicazione.
È proprio da questa recentissima rivoluzione che l’idea di “intelligenza artificiale” è riuscita ad imporsi nel Mondo, passando da storici film di fantascienza girati negli anni Settanta ad essere inseriti nell’ordine del giorno di CdA aziendali o di riunioni governative.
Non stupisce, certamente, che tra gli innumerevoli ambiti nei quali si sta iniziando ad applicare questo set di tecnologie via sia il mondo della finanza. Perché spendere innumerevoli ore e giorni ad effettuare ricerca di informazioni quando un algoritmo può raccogliere dati per noi ed elaborarli secondo regole precise?
Seppur ribadendo la fondamentale importanza del cervello umano in tale contesto, abbiamo raccolto una serie di informazioni utili a comprendere meglio il funzionamento del robot trading, con particolare riguardo a quanto applicabile alla clientela retail.
La rivoluzione dei roboadvisor
Si sente molto parlare in giro dei cosiddetti “roboadvisor”, ma siamo certi di capire con precisione in che cosa consistano queste nuove figure finanziarie?
Per roboadvisor si individua quella categoria di consulenti finanziari in grado di fornire raccomandazioni di investimento ai propri clienti con un minimo (o, talvolta, nullo) intervento umano. Si tratta, dunque, di veri e propri algoritmi pensati per affiancare un trader nelle proprie scelte di investimento.
Sull’esatto funzionamento tecnico di un roboadvisor dedicheremo più parole nella sezione successiva, ciò che conta a questo livello è capire i pro e contro di questa tecnologia. Da un lato abbiamo un costo di mantenimento molto basso, dall’altro abbiamo una totale perdita di relazioni personali con il consulente finanziario.
È ancora meglio sottolineare, poi, come da un lato si possa assistere al trionfo della razionalità algoritmica del robo-advisor, mentre, dall’altra, a volte non serve agire in maniera razionale sui mercati finanziari per ottenere profitti.
Merita poi attenzione il discorso regolamentare legato a questi algoritmi di consulenza finanziaria. È in corso da diversi anni un lavoro di ricerca presso la Consob con continui pronunciamenti, via via più precisi e restrittivi, sulla materia in questione.
Ad oggi l’attività del consulente finanziario è molto regolamentata – specialmente nell’Unione Europea – con normative che vanno dall’acquisizione di qualifica di “consulente finanziario” (con apposita iscrizione in un albo ad hoc, al quale non si può accedere senza esame abilitante) alla materia stessa della consulenza (si pensi ad esempio alla normativa MiFID).
È dunque semplicemente naturale che, piano piano, seguendo i lenti ritmi del Regolatore, anche la categoria dei robo-advisor venga assimilata a quella dei consulenti finanziari “classici”, con un progressivo irrigidimento delle normative.
La grande occasione dell’intelligenza artificiale
Come accennato poco fa, il vero motore rivoluzionario da osservare in questo contesto è, senza ombra di dubbio, quello della cosiddetta “intelligenza artificiale”.
Iniziamo subito sfatando un mito comune: l’intelligenza artificiale non è una garanzia di perfezione e di superiorità rispetto alla mente umana. Un algoritmo di AI ha necessità di apprendere informazioni da dati elementari noti in modo da applicare le regole da esso dedotto su dataset mai visti prima.
È chiaro, dunque, che se il dataset di partenza contiene errori, approssimazioni, sviste, anche il migliore degli algoritmi di AI non potrà far altro che ereditare tali problemi, dando vita, magari, a situazioni totalmente paradossali ed eticamente ingiuste.
Il termine più in voga in questo ambito è sicuramente quello del “Machine Learning”. L’idea, come dicevamo, è piuttosto semplice da capire: si prende un insieme di dati, si disegna un algoritmo in grado di studiare relazioni matematiche “nascoste” tra le informazioni di input e si effettua un test su un dataset che l’algoritmo non ha mai visto prima.
A questo punto potremmo fare una serie di distinzioni (ad esempio tra algoritmi ad apprendimento con supervisione, piuttosto che algoritmi con apprendimento non supervisionato), ma esulerebbero con ogni probabilità dallo scopo di questo articolo.
Un concetto spesso abbinato – non sempre a ragione – a quello del machine learning è il famoso mondo del “Big Data”. Questo termina è un’altra buzzword che ormai sentiamo sempre più spesso nel mondo del lavoro, l’idea può essere semplificata a due principali caratteristiche: una base dati deve essere grande e aggiornata con elevata frequenza, solo in questo caso è possibile parlare di Big Data in maniera pura.
È chiaro che la combinazione tra una base dati enorme in rapida crescita ed un potente algoritmo di apprendimento automatico basato su strumenti statistici è, potenzialmente, una grandissima innovazione per il mondo tech (e non solo), destinata a produrre algoritmi sempre più sviluppati ed efficienti.
Occorre, dunque, non sprecare la grande occasione determinata dall’enorme mole di dati disponibile e dall’elevatissima capacità computazionale delle nuove tecnologie in modo tale da poter realizzare uno strumento di supporto all’attività di trading sempre più affidabile in futuro.
Come può un algoritmo individuare un’opportunità di investimento?
Risulta necessario effettuare un piccolo passo ulteriore per spiegare, almeno ad un alto livello, come possa funzionare un algoritmo di robot trading tramite machine learning.
Per capire meglio la questione, possiamo ridurre ai minimi termini la complessità del problema (e, credeteci, non è cosa semplice) in modo da fornire un caso del tutto scolastico, ma utile alla comprensione della materia.
Supponiamo che un algoritmo abbia a disposizione, per il titolo azionario ABC, una serie di informazioni orarie (quali prezzo di apertura, prezzo di chiusura, minimo e massimo di giornata, ecc.), come nella tabella sottostante:
Tutte queste informazioni possono essere date in pasto ad un algoritmo di machine learning come variabili, ma quale previsione può essere fatta a partire da questi valori?
Gli approcci in questo caso possono essere molteplici, uno molto utilizzato è quello di chiedere all’algoritmo di prevedere il prezzo di chiusura futuro (a n giorni) utilizzando le variabili presenti. Per fare questo, potremmo ad esempio inserire nella tabella una colonna “target” nella quale inseriamo il valore noto del prezzo registrato 10 giorni successivi:
All’algoritmo viene dunque detto: “considerando queste variabili, cerca di apprendere quale sia la relazione con la colonna “target”. L’obiettivo, a questo punto è chiaro, è fornire al machine learning una tabella riportante le variabili di nuovi giorni di trading, chiedendo di produrre una previsione sul prezzo target del titolo azionario in questione.
In maniera estremamente semplificata, questo è il metodo utilizzato da un algoritmo di machine learning impiegato nell’ambiente della robo-advisory. Vi sono innumerevoli maniere di scrivere un algoritmo del genere e tanti modi di valutarne la reale efficacia su dati reali (tramite, di norma, operazioni di backtesting).
La giusta combinazione tra algoritmi ed esseri umani
Dimentichiamo scenari apocalittici previsti da alcuni sulla presunta inevitabile rivolta delle macchine verso gli esseri umani. Il destino di questi due mondi non è quello di combattere, ma di collaborare.
Così come gli esseri umani possono lavorare al fine di migliorare un complesso algoritmo informatico, allo stesso modo una macchina dovrebbe avere, come scopo, quello di facilitare la vita dell’essere umano.
Per quanto l’intelligenza artificiale stia facendo passi da gigante, risulta essere del tutto impensabile prevedere un’esclusione completa di donne e uomini dal sistema produttivo mondiale.
Sebbene molti temano questo scenario, è in realtà improbabile che l’intelligenza artificiale porti enormi perdite di posti di lavoro. È molto più plausibile lo scenario in cui i lavori e le mansioni degli esseri umani verranno completamente rivoluzionati nei prossimi decenni, dando luogo a figure professionali alle quali oggi si fatica persino ad immaginare.
