Intelligenza artificiale e trading, alcune riflessioni

Intelligenza artificiale e trading, alcune riflessioni

In questo post ci dedichiamo come da qualche mese a questa parte, a trattare un tema più finanziario e meno immobibiliare, quello dell'applicazione dell'intelligenza artificale al trading finanziario ed in generale agli investimenti.

L'intelligenza artificale nasce negli anni '50 negli Stati Uniti, ma solo negli ultimi anni  entrata a far parte delle nostre vite quotidiane per una serie dei motivi che andiamo qui ad elencare:

- aumentata potenza di calcolo, quello che oggi fa uno smartphone da 200 EUR negli anni '60 lo faceva un supercomputer milionario che pochissime istituzioni avevano a disposizione

- aumento di diverse serie di grandezze della mole di dati analizzabile e sua "nascita" in digitale: il web e l'operare nel mondo del web fa sì che tantissimi dati nascano in digitale e non debbano essere trasposti in esso, quindi mole infinita, crescente ogni giorno, di materialesu cui testare gli algoritmi

Tante delle applicazioni quotidiane che ci troviamo ad usare sul nostro cellulare devono la loro "magia" proprio al fatto di fare uso di algortmi che mimano l'intelligenza umana da parte di macchine che si limiano a seguire algoritmi che ottimizzano una qualche funzione obiettivo. Il fatto poi che gli utenti siano milioni e che gli stessi forniscano in real time un feedback sulle scelte fatte da questi algotmi non può che aiutare alla performatività degli stessi.

Tutto perfetto, sono i temi che leggiamo sulla singolarità di cui parlano molti autori "futuristi", sulle tecnologie esponenziali, ma qui non vogliamo tanto dedicarci al machine learning quanto alla moda, rinata di recente, di apllicare questa pratica ai mercati finanziari e all'agire ottimale sugli stessi.

Se un algoritmo è in grado di selezionarmi dal catalogo illimitato di Amazon Music un pezzo jazz che mi piace facendo leva sulla musica che è già presente nel mio database, perchè non farmi consigliare da un algortmo simile le azioni su cui investire nei prossimi 10 anni, o come gestire il mio portafoglio esistente facendo in modo che la sua volatilità sia la minore possibile?!

L'idea ci sta, non è nuova per nulla si badi bene, da quando siamo attivi come professionisti sul mercato finanziario, primi anni '2000, sentiamo parlare di:

- reti neurali

- algotmi genetici

- support vector machines

- statistical learning

e chi più ne ha più ne metta.

Il mondo finanziario poi, a differenza di molti altri settori di implementazione, già dagli anni '90 ha la sua conoscenza, per lo meno di prezzi e di transazioni, in digitale e quindi liberamente "lavorabile" da macchine senza che ci debba essere un intervento umano.

Anche personalmente siamo stati coinvolti in diversi progetti di applicazione di metodologie di machine learning al trading finanziario e tutte le esperienze sono andate nel modo seguente:

- test della strategia su serie storiche di prezzi recenti (azioni, bond, materie prime ...) , dopo aver fatto allenare la stessa su serie storiche ancora precedenti

- paper trading sui mercati andando a simulare la strategia su prezzi veri, a volte chiedendo anche i prezzi di transazione (offer e bid) ai broker per avere un test vero della liquidità di mercato

- trading con somme di poca importanza, dalle poche centinaia di migliai di eruo ai pochi milioni, a secondo dell'istituzione che stava dietro al progetto

- visto il successo della strategia, aumento dei capitali, raccolta degli stessi anche all'esterno facendo leva sui clienti dell'istituzione che ha promosso il progetto

- prime performance negative, non si capisce cosa non vada, si aspetta sperando sia una fase passeggera

- si continua a perdere soldi, la strategia suggerisce di incrementare le posizioni, in una sorta di martingala, ma il management non capendo cosa succeda rimane fermo allo stesso budget di rischio se non addirittura limitandolo

- riunioni su riunioni, il modello di fatto è una black box, non si capisce perchè non fnzioni e non si hanno delle valide spiegazioni da dare a chi ci ha messo dentro dei soldi ed è di fronte a perdite del 30-40%

- si blocca tutto, si liquidia il portafoglio e si invitano "le menti" del progetto a tornare ad insegnare al politecnico o a fare consulenza e a non rompere più le scatole con le loro teorie finanziarie

 

Il rumore stesso è informazione

I mercati finanziari sono un ambiente pressochè unico dell'agire umano e di certo il più impegnativo ed ostico in cui allenare delle "macchine pensanti" che abbiano la finalità di operare in maniera ottimale, questo perchè sono caratterizzati da un noise fortissimo, un "rumore di fondo" che influenza tutto ciò che succede ed è però difficilmente discernibile dalle informazioni vera, dalla "sostanza".

Il rumore stesso, parafrasando la teoria della riflessività di Soros, è informazione. Se una società che non ha prospettive vede i corsi delle sue azioni aumentarevertiginosamente, la stessa rientra all'attenzione di migliaia di broker ed investitori e proprio grazie a questa maggiore consapevolezza gode di flussi maggiori di nuovi investitori, e anche di deal flow in termini di deal di M&A che la possono portare ad entrare in nuovi business che ex post, e senza alcuna ragione logica, danno ragione all'aumento di prezzi verificatosi inizialmente come "pura noise".

 

 

Il "black box" va bene a tutti quando si guadagna, non quando si perde

Gli algortimi di intellgenza artificale possono essere visti come complesse funzioni non inear che portano da una serie d N valori ad un valore risultato M.

Il problema vero di questo genere di applicazioni è che, a differenza di una qualche funzione lineare, da molti utilizzata, per arrivare alla decisione M, se io voglio indagare ex post cosa ha portato a decidere M rispetto che, ad esempio P, la cosa mi risulta particolarmente ostica se non impossibile.

L'algoritmo è di fatto quella che viene chiamata una "black box", una scatola nera che mangia le informazioni di ambiente che le forniamo e che "vomita" la decisione senza però darcene una spiegazione.

Finchè il P&L della strategia è positivo e si fanno soldi, nessuno va a domandarsi quali siano i fattori che portano a così uoni risultati della stratega di trading, i guai arrivano quando arrivano le prime perdite. Si è di fronte ad una macchin che non è in gradi si "spiegarci" le proprie decisioni e a cui difficilmente possiamo far capire che un modo di pensare che poteva andare bene anche solo nel mercato dell'anno precedente non va più bene oggi dove ad esempio tutti guardano delle voci di bilancio che negli anni recenti erano di poca o nessuna importanza.

Investire è semplice ma non facile, e non deve mai essere troppo complicato

I grandi investitori hanno sempre guardatoa  pochi fattori chiave dei mercati all'interno di cui operavano, le strategia di intelligenza artificale moderne, con la scusa di volere fare una super ottimizzazione, guardano all'enorme massa dei dati disponibili ed utilizzano tutti gli stessi per arrivare alle loro decisioni. Sbagliato: il fatto che ci siano milioni di dati a disposizione non significa che li si debba utilizzare utti, così come il fatto che si possa tradare in ogni momento 24 ore al giorno non implica che sia profittevole farlo (Warren Buffett).

Laciamo l'intelligenza artificiale a "mondi" dove esistono pattern magari complessi ma stabili ed in grado, una volta compresi, veramente di migliorare la nostra qualità di vita. Sui mercati è meglio operare con una calcolatrice, un file excel e tanto buon senso.

 

Come sempre, siamo lieti di sentire la vostra opinione, scriveteci a: info@housingmilan.com

Asset illiquidi:  Ti aiutiamo a liberarti degli asset illiquidi