L’investment è Quantamental

Robotrading? Roboadvisor? Trading sistem? Tutte innovazioni Fintech che possono già andare in soffitta, perché il futuro del trading sta nel Quantamental. Il termine descrive un nuovo strumento per investire che, attraverso l’intelligenza artificiale, unisce la potenza di calcolo alla competenza umana, intesa come esperienza ma soprattutto come fiuto per gli affari. In pratica, si tratta di un’applicazione basata su un algoritmo che scandaglia tutti i livelli di internet per proporre all’operatore un’informazione su un determinato sottostante che potrebbe diventare una notizia price sensitive. Le modalità con cui si possono utilizzare questi applicativi sono molteplici e vanno dalla richiesta singola al monitoraggio costante di un input immesso dall’operatore. Prima del Quantamental, da una parte c’erano gli investitori fondamentali e dall’altra i quantitativi, da una parte la ricerca e l’istinto di Warren Buffet, dall’altra i computer di James Simons di Renaissance Technologies.

Dalla crisi del 2008 in avanti però gli investitori fondamentali hanno fatto fatica a guadagnare, anche per la concorrenza a basso costo dei prodotti passivi, per esempio gli Etf. Gli investitori quantitativi invece sono cresciuti molto, arrivando ad attrarre 1,5 trilioni di dollari, ma si sono spesso scontrati con eventi economici straordinari (come il Quantitative easing) e con una distribuzione dei ritorni finanziari che non considerava con sufficiente attenzione il tail risk, ossia il verificarsi di rischi a bassa probabilità. Questi due mondi fino a poco tempo fa erano contrapposti e non si parlavano. Ora però l’intelligenza artificiale sta rendendo possibile la fusione dei due stili di investimento ed ecco appunto emergere le strategie ibride Quantamental, cioè l’unione di potenza di calcolo aumentata e intelligenza umana. «La rivoluzione digitale e il mondo finanziario stanno sempre più convergendo in un continuo dialogo e scambio di dati, tecnologie e soluzioni», ha spiegato Marco Belmondo di Datrix, gruppo tech fondato da ex dirigenti Google e dedicato a soluzioni data-driven basate su Intelligenza Artificiale che oltre a 3rdPlace (user & customer AI) comprende anche FinScience (investment AI). La società è stata anche l’unica italiana selezionata dal sito Siliconrepublic.com tra le 25 startup europee ad alta tecnologia da tenere sott’occhio nel 2019.
«La nostra sfida è governare e sfruttare le sinergie tra questi due mondi, fondamentale e quantitativo, usando l’intelligenza artificiale», ha aggiunto Belmondo, «ma come acceleratore e non sostituto, quindi a supporto dell’intelligenza umana». La rivoluzione Quantamental è stata resa possibile da tre novità verificatesi negli ultimi cinque anni. La prima è il cloud con le sue grandi capacità di archiviazione, di accesso a potenti risorse computazionali a costi contenuti e di scalabilità. La seconda è la disponibilità di un’enorme quantità di dati aggiuntivi rispetto ai tradizionali bilanci, semestrali, prezzi di Borsa: si tratta dei cosiddetti Alternative Data provenienti da ambienti digitali come social network, blog, forum, piattaforme di e-commerce, mappe. La terza è rappresentata dai progressi nel campo dell’apprendimento automatico, il cosiddetto machine learning, indispensabile per individuare correlazioni e causalità nell’accresciuta mole di dati e per fornire indicazioni e predizioni in maniera rapida basandosi su un set di dati molto variegato.
«Per ottimizzare il risultato tutti questi elementi devono però essere maneggiati da esperti», ha spiegato Belmondo. Il cloud, ad esempio, è a disposizione di tutti, ma bisogna avere conoscenze specifiche di campo per gestire a costi ridotti l’accensione contemporanea di centinaia di macchine e l’accesso ai servizi lì presenti. «Le società native digitali come la nostra lo fanno in modo più naturale rispetto alle istituzioni finanziarie», ha aggiunto Belmondo.

Gli Alternative Data nascono nella maggior parte dei casi sotto forma di testi, immagini o tracce vocali, perciò necessitano di strutturazione, fase che li trasforma in serie numeriche. Dopo una selezione preliminare per individuare il campione più rappresentativo, si interviene attraverso algoritmi di filtro e classificazione per eliminare il rumore, individuare i topic, riconoscere le entità (riferito a Apple potrebbe essere sia la mela sia la società di Cupertino) e ordinare le fonti per autorevolezza (scartando ove possibile ad esempio i produttori di fake news). Si arriva così a un perimetro di dati più ristretto che viene analizzato, tramite machine learning e applicazioni di Natural Language Processing, per estrarne informazioni che genereranno segnali, punteggi, indicatori di popolarità, sentiment e volatilità. Attualmente questi strumenti sono richiesti soprattutto da grandi investitori istituzionali o professionisti ma ovviamente sarebbero di grande utilità anche per i trader retail. È quindi solo questione di tempo prima che i grandi broker decidano di integrarli nelle loro piattaforme. (riproduzione riservata)