Così le reti neurali possono prevedere il 71% delle negoziazioni sui fondi attivi
E' quanto emerge da uno studio, intitolato Mimicking Finance (Imitare la finanza) ndr), pubblicato sul portale del National Bureau of Economic Research. I gestori meno prevedibili ottengono performance nettamente superiori rispetto a quelli più prevedibili. L'attività che esula dai modelli di investimento abituali e rilevabili sembra essere quella in cui risiede la maggior parte del valore
Un nuovo studio accademico condotto da una professoressa di finanza di Harvard ha scoperto che gran parte delle azioni dei gestori di fondi attivi segue schemi che i sistemi di intelligenza artificiale possono apprendere e imitare. Utilizzando le reti neurali, il sistema è riuscito a prevedere circa il 71% delle decisioni di trading sui fondi comuni di investimento, ovvero se un gestore acquisterà, venderà o manterrà un determinato titolo nell'arco di un trimestre. Per alcuni gestori, questo valore aumenta fino a quasi tutte le operazioni in un dato trimestre.
Lo studio, intitolato 'Mimicking Finance' ('Imitare la finanzá, ndr), è stato pubblicato a febbraio sul portale del National Bureau of Economic Research, un'organizzazione no-profit statunitense con sede a Cambridge, nel Massachusetts, e porta la firma di Lauren Cohen, professoressa di Finanza ad Harvard, della ricercatrice Yiwen Lu dell'Università della Pennsylvania e di Quoc H. Nguyen, professore di Finanza presso la DePaul University.
Dallo studio è emerso che il comportamento dei gestori è più prevedibile e replicabile per coloro che hanno una storia di trading più lunga e appartengono a categorie meno competitive, si legge nel documento. Maggiore è la quota di proprietà del gestore nel fondo, minore è la prevedibilità del suo comportamento.
Inoltre, lo studio illustra forti implicazioni sulla performance: i gestori meno prevedibili ottengono performance nettamente superiori ai loro pari, mentre i gestori più prevedibili ottengono performance significativamente inferiori. Anche all'interno del portafoglio di ciascun gestore, le posizioni azionarie più difficili da prevedere sovraperformano nettamente quelle più facili da prevedere. Aggregando l'universo dei gestori di fondi ogni trimestre, i titoli le cui variazioni di posizione sono meno prevedibili sovraperformano significativamente anche i titoli le cui variazioni di posizione sono più prevedibili.
Il metodo
Il modello è stato addestrato su finestre temporali mobili di cinque anni dal 1990 al 2023, basandosi su informazioni quali la dimensione del fondo, i flussi degli investitori, le caratteristiche dei titoli e le condizioni economiche più generali. Su questa base, è stato in grado di anticipare la maggior parte degli aggiustamenti di portafoglio. Le operazioni che il sistema non è riuscito ad anticipare - circa il 29% - sono state, in media, più strettamente associate a sovraperformance. In altre parole, l'attività che esula dai modelli di investimento abituali e rilevabili sembra essere quella in cui risiede la maggior parte del valore.
"Se il 71% delle decisioni può essere previsto da un algoritmo, diventa molto difficile giustificare le commissioni di gestione attiva per quella parte", ha spiegato in un'e-mail a Bloomberg Lauren Cohen, co-autrice dello studio. "Ora, le operazioni non di routine, quelle che il nostro modello non è in grado di prevedere, sono quelle in cui risiede il vero alfa. Ma rappresentano una quota relativamente minore dell'attività complessiva".
