L’investimento quantitativo si basa sull’applicazione di
modelli matematici e statistici ai dati di mercato per identificare
l’evoluzione futura dei prezzi. “Sebbene la maggior parte dei movimenti dei
prezzi di mercato siano del tutto random, a volte è presente un piccolo grado
di prevedibilità, ad esempio l’effetto momentum in cui le tendenze al rialzo (o
al ribasso) dei prezzi possono persistere per giorni o settimane – spiega a We
Wealth Stefan Zohren, principal quant, Man Group Central Trading & Deputy Director,
OxfordMan Institute – L’investimento quantitativo consiste nell’identificare e
sfruttare una serie di modelli, tra cui appunto quello sopra citato, per
giungere a decisioni di investimento”.
Trading automatizzato per gli hedge fund
Nel caso di Man Group, le divisioni AHL e Numeric sfruttano strategie di trading completamente automatizzate, ma anche i gestori di portafoglio tradizionali di Man GLG utilizzano una gamma di modelli quantitativi per supportare il loro processo decisionale, per esempio per la gestione del rischio. Gli investimenti quantitativi hanno guadagnato popolarità nella seconda metà del XX secolo, in particolare in relazione all’analisi di alcuni fattori di investimento come il value e il momentum. Alla fine del secolo, è aumentato l’uso di tecniche statistiche per trovare e sfruttare gli errori di prezzo: parliamo del cosiddetto arbitraggio statistico. Più recentemente il machine learning è stato applicato per l’analisi dei dati e l’elaborazione del linguaggio naturale, consentendo agli asset manager di districarsi in una mole smisurata di big data. Il patrimonio totale in gestione nelle strategie di hedge fund a livello globale ha recentemente superato la soglia dei 4 trilioni di dollari. Di questi oltre un terzo sono strategie quantitative.
La digitalizzazione trasformativa dell’asset management
“Come molti altri settori, anche l’industria dell’asset management è stata trasformata negli ultimi decenni dall’innovazione digitale – dice Zohren – L’investimento quantitativo, per sua stessa natura, è al centro di questa trasformazione. Dato che è formulato attraverso modelli matematici e algoritmi si presta naturalmente all’automazione. Con l’inizio del trading elettronico verso la fine del XX secolo e la sua crescita negli ultimi decenni, gli scambi, e con essi i partecipanti al mercato, ora elaborano miliardi di istruzioni di trading in un solo giorno. È difficile immaginare di farlo senza algoritmi e modelli quantitativi. La digitalizzazione e l’automatizzazione hanno portato con sé anche un aumento della concorrenza. È quindi fondamentale per le società di gestione patrimoniale evolversi e rimanere al passo con gli ultimi progressi tecnologici. Nello spazio degli investimenti quantitativi, ciò ha significato adottare tecnologie di machine learning, trasformando essenzialmente gli asset manager in società tecnologiche”.
Una collaborazione win-win con l’Accademia
In che modo la collaborazione tra il mondo accademico e il settore della gestione patrimoniale è vantaggiosa per entrambe le parti? Ci sono molti vantaggi sia per il mondo accademico che per l’industria del risparmio gestito nella collaborazione, come abbiamo visto con la nostra partnership tra l’Università di Oxford e Man Group, l’Oxford-Man Institute. Un primo esempio è lo sviluppo dei cosiddetti modelli Heavy: si tratta di stime di volatilità che utilizzano le informazioni intraday per adattarsi rapidamente alle mutevoli condizioni di mercato. Questi modelli sono stati introdotti per la prima volta nel lavoro accademico presso l’Oxford-Man Institute e poi si sono fatti strada nei modelli di rischio di Man Group. Un’altra area particolarmente interessante e che vediamo emergere ora sempre di più è l’utilizzo del machine learning in finanza. Qui i ricercatori dell’università traggono vantaggio dall’apprendimento dei problemi che i professionisti devono affrontare nel loro quotidiano, il che può aiutarli a guidare e concentrare la loro ricerca sulla risoluzione di tali problemi. D’altra parte, i professionisti del settore hanno l’opportunità di conoscere gli ultimi progressi metodologici nel machine learning e nell’AI, come gli algoritmi di reinforcement learning (apprendimento per rinforzo) che sono alla base delle recenti scoperte che hanno per esempio consentito lo sviluppo del computer che ha battuto il campione del mondo in Go. Oppure, le unità di elaborazione grafica (GPU), che oggi conoscono le piu diversificate applicazioni, dal training dei modelli di deep learning al pricing dei derivati, sono state introdotte per la prima volta in Man Group attraverso la collaborazione con l’Oxford-Man Institute oltre un decennio fa. Allo stesso modo, le tecnologie di IPU (Intelligent Processing Unit) più all’avanguardia hanno visto la loro prima applicazione nel settore finanziario nella ricerca pubblicata dall’Oxford-Man Institute lo scorso anno e ora vengono propriamente impiegate dalla società.
