E’ possibile prevedere i rendimenti del mercato azionario grazie all’AI? E’ questo l’obiettivo della Bayes Business School, scuola della City St. George’s University di Londra che ha sviluppato un nuovo modello di IA per prevedere di quanto i rendimenti delle azioni S&P 500 avrebbero superato il tasso “senza rischi” per ogni anno a partire dal 2020, che ha superato un modello che prevede i risultati futuri sulla base di una semplice media storica utilizzando gli stessi dati. Il nuovo modello riduce gli errori di previsione di circa il 30%, con un analogo miglioramento nella previsione dei rendimenti azionari reali.
L’accuratezza delle previsioni è ancora migliore nel lungo termine, perché gli errori sono dimezzati per i rendimenti quinquennali. Questo perché il “rumore” di mercato nel breve termine svanisce, e ciò consente alle metriche fondamentali adottate dal modello di venire alla ribalta.
Parastoo Mousavi, Lecturer in Quantitative Finance and Data Science at Bayes Business School, afferma: “Nessun modello è in grado di prevedere risultati precisi. Quello che conta è che indichi la direzione giusta e si avvicini ragionevolmente alla portata del movimento al rialzo o al ribasso, riflettendo i fondamentali del mercato ma non il “rumore” casuale. Nelle previsioni su base annua, il nostro modello ha sempre indovinato la direzione del mercato”.
Il modello è relativamente semplice, e sfida la convinzione secondo cui i metodi di apprendimento automatico più sofisticati e automatizzati sono anche i più accurati per prevedere i movimenti del mercato. Questi sistemi producono previsioni senza però rivelare chiaramente come sono state formulate le conclusioni, e in qualche caso nemmeno i loro progettisti sono in grado di dire con facilità cosa determina la previsione finale.
Al contrario, il modello sviluppato da Bayes Business School è volutamente trasparente, ed è basato su uno stimatore e su pochi predittori economicamente significativi e ben costruiti, come i rapporti di valutazione e i tassi di interesse, il cui comportamento può essere verificato in tempo reale dagli operatori. Quindi, invece di alimentare un algoritmo con tutte le variabili disponibili o di lasciare che i modelli concorrenti votino dietro le quinte, il modello usa un unico approccio di previsione chiaramente specificato.
Il vero punto di svolta, tuttavia, è il doppio benchmarking, un approccio spesso ignorato che confronta sia i rendimenti azionari che le variabili usate per prevederli con due benchmark rilevanti, come l’inflazione o il tasso di rendimento “senza rischi”, e ha un impatto significativo sui risultati. Infatti, concentrarsi sulle variabili giuste è più importante che accumulare livelli di complessità nella modellizzazione, e insieme all’approccio “glass-house” alla previsione permette di eliminare i rumori di fondo.
Parastoo Mousavi ha concluso: “Volevamo fornire agli investitori istituzionali e ai consulenti finanziari indipendenti un modello semplice ed efficace per prevedere i rendimenti azionari a lungo termine. Riteniamo che questo modello per i rendimenti del mercato azionario raggiunga tale obiettivo, e questa può essere una buona notizia per chi ha una pensione o delle forme di risparmio a lungo termine”.
