Prevedere le stelle nascenti per battere i benchmark e sovraperformare per i propri clienti. Il tutto, grazie all’applicazione sapiente dell’intelligenza artificiale (AI), non mera sostituta ma importante strumento di supporto degli asset manager durante l’intero processo di investimento. Con l’obiettivo di migliorare gli approcci attualmente esistenti. E un sogno: rendere possibile una nuova definizione di gestione attiva, una meno concentrata sul rendimento e più sull’etica e sul coinvolgimento tra tutti gli attori coinvolti, dalle aziende ai singoli investitori, anche grazie all’ausilio dell’AI. È questo il punto di vista dell’ingegnere Andrea Gentilini, dal 2023 Head of Vontobel Quantitative Investments, condiviso durante la conferenza organizzata dalla società durante l’ultimo Salone del Risparmio dal titolo Intelligenza artificiale negli investimenti: dall’intuizione alla sua applicazione, un viaggio alla scoperta dei meccanismi che hanno reso possibile l’intuizione dell’intelligenza artificiale e la sua applicazione al mondo della finanza. Eccone un riassunto.
Come è nata l’intelligenza artificiale? Copiando quella umana
Prima della partenza, una digressione teorica: da dove viene l’intuizione dell’intelligenza artificiale? “In realtà si è ispirata, almeno nei primi passi, all’intelligenza biologica dell’essere umano. Se ci si pensa, anche il lessico è simile” spiega Gentilini. Così come il cervello umano è composto da singole entità (i neuroni) in comunicazione tra loro, anche le reti neurali alla base dell’intelligenza artificiale sono costituite da livelli di nodi (o neuroni artificiali) interconnessi. I singoli neuroni, o nodi, di per sé non sono né efficaci né efficienti; se ne si accumulano 86 miliardi dei primi, tuttavia, si ha il cervello umano, mentre 75 miliardi dei secondi permettono di far funzionare modelli di intelligenza artificiale generativa come ChatGPT”. L’ispirazione dalla sola natura non è stata però sufficiente. Ecco allora che sono entrati in gioco la statistica e il calcolo numerico, che hanno cercato di creare modelli capaci di simulare l’intelligenza umana attraverso l’ottimizzazione di funzioni matematiche che fino a quel momento incappavano nel cosiddetto ‘compromesso bias-varianza’, ovvero nella difficoltà di essere al contempo capaci di svolgere predizioni (ad esempio, di predire il peso di un gatto data la sua lunghezza) e di generalizzare (ad esempio, di distinguere un gatto da una volpe data le loro lunghezze) con accuratezza. Il tutto, in larga scala, a partire da una grande mole di dati e in un tempo rapidissimo. “In altre parole, l’AI ha stravolto secoli di studi e teorie scientifiche, spingendoci aldilà dello scibile noto fino a poco più di 10 anni fa: grazie a essa siamo oggi capaci di essere performanti quando si deve predire qualcosa e allo stesso tempo precisi in allenamento” prosegue Gentilini. Così oggi le macchine riescono a riconoscere lingua, gesti e immagini e a comprendere testi e parole. “E in tutti e cinque i casi hanno dato prova di riuscire a superare l’intelligenza umana”.
La complessità della finanza e l’AI per battere i benchmark
“La finanza, tuttavia, è molto più complessa: modelli come ChatGPT non funzionano nel mondo degli investimenti” prosegue l’esperto. “Ciononostante, l’intelligenza artificiale può rappresentare un utile strumento di supporto all’ingegno umano per rivoluzionare la forma mentis con cui gli operatori del risparmio gestito approcciano un problema. Si ponga ad esempio il classico obiettivo del ‘battere il benchmark’. In Vontobel Institutional Clients per raggiungere questo scopo utilizziamo spesso l’approccio qualità, ovvero guardiamo a metriche come profitti, crescita sostenibile, flussi di cassa ecc [per valutare l’inserimento di un titolo all’interno del nostro portafoglio, ndr]. In concreto, ogni anno prendiamo le migliori società di un indice, le ordiniamo per qualità decrescente e selezioniamo le 50 migliori. Funziona: alla fine si riesce ad avere una sovraperformance di 100 punti base circa, una delle anomalie più robuste nella gestione dell’azionario. Misurando la qualità anno su anno, tuttavia, non è detto che le aziende migliori rimangano tali nell’intero periodo di detenzione. Alcune potrebbero scendere, mentre altre salire nel corso dei dodici mesi”.
L’algoritmo di Vontobel Institutional Clients
Come intercettarle, quindi? “Se si divide tutto l’universo di investimento per quintili di qualità [molto buona, buona, media, scarsa e molto scarsa, ndr], la buona notizia è che il 74% dei top performer rimane tale di anno in anno (battendo il benchmark del +4%); lo stesso avviene per i worst performer, che non variano nel 65% dei casi. Mancano tuttavia all’appello tutte quelle società che potrebbero sia scendere che ascendere al primo quintile, capaci di sovraperformare il benchmark del +15% in media”. Ma cosa succederebbe se si utilizzasse l’intelligenza artificiale per predire le società capaci di sfruttare questo ‘ascensore di qualità’? In altre parole, è possibile usare l’AI per prevedere le stelle nascenti? La risposta è sì: “abbiamo quindi sviluppato un algoritmo inserendo le performance passate delle società in portafoglio, capace di prevedere la qualità (e la sovraperformance) futura: il risultato è stato un aumento di 323 punti base rispetto al benchmark. Un lavoro di una giornata, pause pranzo incluse” sorride Gentilini. “Ecco quanto può essere d’aiuto l’intelligenza artificiale”.
Dal rush tecnologico al cambio di preferenze: previsioni per una nuova finanza
Un supporto all’ingegno umano quindi, e non un sostituto. Ma come cambierà l’industria della finanza grazie all’intelligenza artificiale? “Nei prossimi 10 anni potremo assistere a due trend: il rush tecnologico e il cambio di talenti. Quanto al primo, sappiamo tutti che l’AI non rappresenta la prima innovazione tecnologica in questo comparto: esempi ne sono stati l’high frequency trading o il trading quantitativo, onde di tecnologia che tutti si sono affrettati ad adottare. Cosa che ha ben presto eliminato per tutti il vantaggio competitivo. Lo stesso sta succedendo per l’AI. Quanto al secondo, un aneddoto: lo scorso anno un importante gestore internazionale aveva solo una offerta di lavoro per il ‘tradizionale’ analista, mentre le restanti competevano a ingegneri” aggiunge Gentilini. “Arriveremo quindi a un punto di svolta, che potrebbe portare a due risultati. In primis, a un cambio di preferenze (che è anche un mezzo auspicio): da un mondo che ragionava secondo un’ottima ‘mors tua, vita mea’, in cui l’obiettivo era sovraperformare a tutti i costi anche a scapito degli altri, forse il nuovo mondo preferirà altri scopi; in parte è quello che vediamo con gli investimenti Esg, con clienti che preferiscono una performance stabile nel tempo prestando attenzione all’etica del proprio portafoglio. In secondo luogo, seppur inebriante, l’AI porterà con sé complessità: algoritmi, diversità, leggi. Cose che ora non capiamo e che dovremo risolvere nei prossimi anni” conclude l’esperto.
