L’Intelligenza Artificiale si è evoluta radicalmente, passando da semplice concetto speculativo a diventare una forza dinamica della tecnologia, con un impatto profondo su vari settori, in particolare finanziario. Tale evoluzione è caratterizzata dallo sviluppo di algoritmi sofisticati e di capacità di calcolo avanzate in grado di analizzare ampie serie di dati, apprendere e prendere decisioni informate in modo autonomo. Il percorso compiuto dall’Ia dall’automazione di compiti semplici all’impiego di machine learning e deep learning avanzati è rappresentativo di tale processo.
La convergenza tra Ia e gestione degli investimenti sta catalizzando una trasformazione significativa in un settore un tempo governato da metodi e modelli di business tradizionali. Il ruolo sempre più massivo ed esteso dell’Ia, nella gestione del portafoglio, nella valutazione del rischio, nel trading e nei servizi di consulenza, sta nei fatti sconvolgendo pratiche consolidate, e guidando una sostanziale rapida digitalizzazione dell’industria.
Il mercato globale dell’Ia, attualmente stimato in circa 100 miliardi di dollari, dovrebbe espandersi di venti volte entro il 2030, raggiungendo quasi 2 trilioni, cui dovrebbero fare eco gli investimenti del settore, che secondo il Fondo Monetario dovrebbero registrare un Cagr di quasi il 30%, uno dei più alto. Oltre a dimostrare il potenziale di tale tecnologia, ne evidenzia anche la domanda da parte dei gestori.
A sottolineare ulteriormente questa tendenza, un recente studio del Cfa Institute ha rivelato che il 64% dei professionisti sta migliorando le proprie competenze in materia o intende farlo. Tra i più giovani, questa percentuale sale al 71%, a testimonianza delle grandi aspettative che i millennial e la generazione Z nutrono nei confronti del ruolo dell’Ia in futuro.
Questione di competenze?
Sviluppo e stato dell’arte delle attuali competenze dei gestori
Tuttavia, il percorso verso l’integrazione dell’Ia in finanza è irto di sfide, in particolare il basso rapporto segnale/rumore (Snr) caratteristico dei mercati finanziari. L’Snr misura la percentuale di informazioni preziose (segnale) in mezzo a dati irrilevanti o fuorvianti (rumore). I mercati, con la loro intrinseca imprevedibilità derivante dai flussi dei dati economici, dagli eventi politici e dal sentiment del mercato, presentano un basso Snr, rendendo le previsioni una sfida significativa. L’opposto del riconoscimento delle immagini, dove un Snr elevato consente previsioni molto accurate, e dove l’Ia ha ottenuto notevoli risultati.
Queste sfide sono accentuate dalla fluidità dei mercati, dove i dati non solo sono scarsi (“small data”) ma anche in continua evoluzione. Gli indicatori, come i prezzi e la volatilità, non rimangono statici, complicando l’uso dei modelli standard di apprendimento automatico che si basano su modelli di dati stabili e storici. A differenza delle applicazioni più semplici dell’Ia, i modelli finanziari devono essere non solo accurati, ma anche trasparenti e interpretabili, per consentire una gestione del rischio e un processo decisionale informati e rendicontabili.
Mentre il mondo della Gestione gravita sempre di più verso l’Ia, il viaggio comporta una navigazione complessa, costellata da sfide uniche. Tra queste, la necessità di gestire un basso Snr, di adattarsi alla natura dinamica dei dati finanziari e di soddisfare i severi requisiti di rendicontazione dei modelli. Nonostante questi ostacoli, il potenziale di trasformazione di questa rivoluzione è immenso e promette lo sviluppo di modelli potenti e comprensibili. La capacità del settore di adattarsi e innovare giocherà senza dubbio un ruolo fondamentale nel plasmare la Gestione di domani.
© Riproduzione riservata