L’intelligenza artificiale (AI) ha ormai preso piede in qualsiasi settore economico e negli ultimi anni ha trovato terreno particolarmente fertile nel settore finanziario, nel quale sono stati introdotti strumenti e metodologie che non hanno sostituito i tradizionali processi decisionali nella gestione degli asset, ma si sono integrati in modo particolarmente efficace. Gli stessi fondi pensione hanno trovato nuovi sviluppi nella gestione delle risorse previdenziali anche tramite soluzioni applicate da parte dei gestori finanziari delegati.
Come utilizzare l’intelligenza artificiale negli investimenti
Un primo ambito di utilizzo della AI nella gestione degli investimenti punta a ottimizzare la costruzione di una adeguata asset allocation attraverso algoritmi di machine learning costruiti per analizzare le complesse correlazioni esistenti tra le diverse classi di attività al fine di identificare pattern che non sono immediatamente evidenti tramite le tradizionali metodologie. Il punto di partenza è l’elaborazione simultanea di centinaia di variabili macroeconomiche, dati di mercato e indicatori di rischio, per poi costruire un portafoglio che massimizzi il rapporto rischio-rendimento in funzione degli obiettivi previdenziali del fondo.
Un ulteriore ambito di implementazione dell’AI nel processo di investimento è diretto al monitoraggio continuo delle posizioni in portafoglio nelle operazioni di controllo del rischio. I tempi di identificazione di segnali di stress di mercato e anomalie nei comportamenti dei prezzi possono essere ridotti anche grazie a sistemi di alert automatici o suggerimenti sui necessari ribilanciamenti.
Lo stesso processo di due diligence e di selezione degli strumenti di investimenti può mostrare un importante aumento di efficienza grazie all’implementazione di strumenti AI. In particolare, l’analisi di documenti societari, comunicati stampa, trascrizioni di conference call e sentiment sui mercati tramite sistemi di natural language processing possono essere velocizzate, facilitando l’analisi della solidità fondamentale delle società e la capacità di anticipare possibili movimenti di prezzo.
È bene non dimenticare come per i fondi pensione italiani siano comunque presenti vincoli dettati dalla normativa, con conseguente necessità di integrare l’utilizzo di questi strumenti con i parametri regolamentari e i limiti quantitativi previsti.
Dati finanziari e AI
Un utilizzo efficace dell’AI nel processo di investimento richiede un input fondamentale: i dati.
La capacità degli algoritmi di machine learning di produrre risultati significativi è scarsa se non si dispone di un dataset affidabile, omogeneo, e soprattutto ampio. Per un investitore finanziario, il dataset è rappresentato da serie storiche sufficientemente lunghe, dati di mercato in tempo reale, informazioni fondamentali sulle società e indicatori macroeconomici coerenti.
Il processo di raccolta e preparazione di tali dati finanziari non può essere effettuato senza competenze specialistiche e infrastrutture tecnologiche adeguate. I dati vanno “puliti”, ossia è necessario eliminare errori e anomalie, e quindi normalizzati per rendere comparabili e integrare informazioni provenienti da fonti diverse.
Vantaggi e limiti di investire con intelligenza artificiale
Un primo vantaggio conseguibile tramite l’uso dell’AI nei processi di investimento è la capacità di processare volumi informativi che sarebbero impossibili da analizzare manualmente. Allo stesso tempo, l’AI consente di ridurre i bias cognitivi che possono influenzare le decisioni umane e la possibilità di implementare strategie sistematiche e replicabili. L’intelligenza artificiale può migliorare l’efficienza operativa, riducendo i costi di gestione attraverso l’automazione di processi ripetitivi, quali il monitoraggio 24 ore su 24 del mercato e delle operazioni in essere.
Tuttavia, bisogna tener conto di alcuni limiti legati dell’uso dell’AI. In primo luogo, il rischio di overfitting: gli algoritmi ottimizzati su dati storici sono per loro costruzione strettamente legati all’andamento passato delle variabili analizzate, pertanto possono non adeguarsi a sufficienza se le condizioni di mercato cambiano troppo rispetto a quelle utilizzate per l’addestramento del modello. Eventi estremi o crisi finanziarie senza precedenti rappresentano situazioni in cui i modelli di AI possono fallire.
Un secondo limite riguarda la trasparenza e l’interpretabilità. Alcuni algoritmi di machine learning, in particolare le reti neurali profonde, funzionano come “black box”, pertanto non sempre è semplice comprendere le ragioni specifiche di determinate raccomandazioni. Per i fondi pensione, soggetti a obblighi di accountability verso gli iscritti e gli organi di vigilanza, questa opacità può risultare problematica. La COVIP richiede infatti che le scelte di investimento siano documentabili e giustificabili.
Infine, non si devono sottovalutare le vulnerabilità derivanti dalla dipendenza tecnologica e dai rischi operativi connessi a malfunzionamenti dei sistemi, errori di programmazione o attacchi informatici.
Ne deriva che, come in ogni ambito, è necessario un approccio equilibrato: la tecnologia può essere un supporto decisionale qualificato, ma è sempre necessario mantenere il giudizio umano e la supervisione esperta al centro del processo, garantendo compliance normativa, trasparenza e tutela degli interessi previdenziali degli iscritti.
Il Gruppo AXA Italia non risponde dei contenuti degli articoli pubblicati
