La Fed avverte sui rischi del trading algoritmico AI: correlazione, collusione e manipolazione dei prezzi
L’allarme nell’ultimo documento sulla stabilità finanziaria. La Fed teme l’autoapprendimento degli algoritmi, che potrebbe portare a comportamenti manipolativi difficili da individuare. Allo stesso tempo però la banca centrale americana ricorre sempre più alla AI per migliorare la sorveglianza sul mercato
L’intelligenza artificiale non è solo un potenziale motore di innovazione per i mercati finanziari ma potrebbe anche rappresentare un rischio crescente per la loro stabilità. È l’allarme lanciato dalla Federal Reserve, che nel Financial Stability Report del 25 novembre scorso avverte che l’adozione crescente del trading algoritmico basato su AI potrebbe minare i meccanismi fondamentali di funzionamento dei mercati.
Per trading algoritmico (AI-driven algo-trading) si intende un modo di investire in cui non è l’essere umano a decidere ogni mossa, ma un programma informatico che utilizza intelligenza artificiale per analizzare i mercati e prendere decisioni in tempo reale.
La Banca centrale statunitense, presieduta da Jerome Powell, evidenzia che «alcuni responsabili politici e accademici hanno sottolineato che il trading algoritmico basato su AI potrebbe generare rischi per la stabilità finanziaria, come il trading correlato, la collusione, la manipolazione e la concentrazione del mercato».
Il timore della Fed risiede nell’autoapprendimento degli algoritmi, che potrebbe portare a comportamenti manipolativi difficili da individuare. «Le pratiche manipolative basate su AI», è scritto nel report, «potrebbero essere intrinsecamente più difficili da rilevare rispetto a quelle tradizionali, come lo spoofing (l’invio di ordini fittizi per ingannare il mercato) o il quote stuffing (la pratica di inondare il mercato con ordini per creare confusione), grazie alla crescente complessità degli algoritmi e alla loro capacità di mascherare l’intento manipolativo».
Per la Fed, l’AI ha però anche il potenziale per migliorare significativamente le tecniche di sorveglianza del mercato, sia per gli investigatori che per i supervisori. I principali operatori dei mercati elettronici stanno infatti «già utilizzando tecniche avanzate di machine learning per rilevare la manipolazione del mercato e comportamenti collusivi».
Il trading correlato
I rischi legati al trading correlato, alla collusione, alla manipolazione dei prezzi e alla concentrazione del mercato possono emergere in vari modi nell’ambito del trading algoritmico basato sul’AI. Il trading correlato si verifica quando diversi algoritmi rispondono allo stesso segnale di mercato, amplificando movimenti di prezzo già esistenti e aumentando la volatilità.
Un tema ricorrente risiede nell’uso diffuso «di algoritmi di trading con reazioni comuni agli eventi di mercato che potrebbe esacerbare la volatilità del mercato, portando a oscillazioni rapide dei prezzi, crash improvvisi e dislocazioni del mercato».
Detto ciò, La Fed sostiene che l’uso dell'AI potrebbe anche ridurre la probabilità di esecuzioni di operazioni correlate, «in quanto favorisce l’uso di informazioni più ricche e una logica più complessa, portando a una risposta meno uniforme alle notizie e a una maggiore diversità di segnali di trading tra i partecipanti al mercato». Se così fosse questo potrebbe migliorare il meccanismo di aggiustamento dei prezzi (price discovery) e l’efficienza del mercato.
La collusione tra algoritmi
La collusione tra algoritmi, invece, avviene quando più entità coordinano in modo nascosto le loro operazioni per influenzare i prezzi a proprio favore, alterando la concorrenza. La manipolazione dei prezzi può manifestarsi in pratiche come lo spoofing o il quote stuffing, che distorcono il reale andamento del mercato.
Il report sottolinea che la letteratura accademica ha identificato il potenziale per gli algoritmi di trading autonomi, alimentati da AI, di «sviluppare comportamenti collusivi, potenzialmente danneggiando la concorrenza e l’efficienza del mercato», portando a una riduzione della liquidità del mercato e a prezzi meno informativi.
- Leggi anche: Usa, bolla AI e borse ai massimi, ecco cosa aspettarsi dai mercati il 2026 secondo Anima sgr
Tuttavia, altre voci prese in considerazione dalla Banca centrale Usa osservano che la probabilità di collusione è bassa se i processi di apprendimento dei trader differiscono. Inoltre, continua il report, «i trader algoritmici hanno forti incentivi a differenziare le loro strategie, poiché la non-collusione può essere altamente redditizia quando altri colludono, suggerendo che l’eterogeneità algoritmica è un risultato di equilibrio più probabile».
AI: concentrerà il mercato o ne favorirà l’accesso?
L’analisi solleva anche il tema delle conseguenze sull’eterogeneità dei partecipanti al mercato. Per alcuni l’effetto sarebbe positivo, in quanto «alcuni partecipanti al mercato osservano che l’accesso alla tecnologia sta diventando più democratico con lo sviluppo dell’AI, e l’accesso più ampio alla tecnologia avanzata di trading basata su AI potrebbe abbassare le barriere all’ingresso per le piccole imprese e gli investitori individuali».
In questo senso, «un accesso e una concorrenza aumentati potrebbero contribuire a una gamma più diversificata di partecipanti al mercato e strategie, favorendo una maggiore eterogeneità del mercato e, quindi, un funzionamento più resiliente del mercato».
Tuttavia, altri osservatori interpellati dalla Fed la pensano diversamente e hanno espresso preoccupazioni riguardo alle barriere all’ingresso e alla crescente concentrazione associata all’adozione dell’AI. I costi di sviluppo e di gestione dei modelli di AI generativa «possono essere elevati, scoraggiando le aziende dal sviluppare modelli proprietari e portandole a fare affidamento su soluzioni di terze parti, aumentando così la dipendenza dai modelli di AI comuni». (riproduzione riservata)
- Come gli algoritmi AI potrebbero nascondere l'intento manipolativo?
- Quali sono gli incentivi che spingono i trader algoritmici a differenziare le loro strategie?
- In che modo i costi elevati di sviluppo dei modelli AI potrebbero favorire la concentrazione del mercato?
