L’intelligenza artificiale nel settore finanziario

L’intelligenza artificiale nel settore finanziario, nonostante i grandi progressi del settore, non ha ancora raggiunto un impiego realmente diffuso in ambito gestionale. È un problema di performance, di resistenza al cambiamento da parte degli operatori …

L’intelligenza artificiale nel settore finanziario, nonostante i grandi progressi del settore, non ha ancora raggiunto un impiego realmente diffuso in ambito gestionale. È un problema di performance, di resistenza al cambiamento da parte degli operatori e dei gestori o di capacità di comunicazione? Probabilmente la sua completa accettazione richiede il superamento dell’ effetto “black box” tipico del processo decisionale basato su intelligenza artificiale piuttosto che su base algoritmica.

Con questo primo articolo, proviamo a condividere con voi le regole che abbiamo adottato per creare un ponte tra i due mondi (analisi quantitativa vs intelligenza artificiale) cercando di rendere trasparente il processo decisionale utilizzato.

Questo articolo e l’intero sito vedono la luce contemporaneamente, con uno scopo didattico e illustrativo, in concomitanza all’evento Quantech Academy 2021

Intelligenza artificiale forte o intelligenza artificiale debole?

Nella filosofia dell’intelligenza artificiale l’intelligenza artificiale forte è l’idea che opportune forme di intelligenza artificiale possano veramente ragionare e risolvere autonomamente i problemi; l’intelligenza artificiale forte sostiene che è possibile per le macchine diventare sapienti o coscienti di sé, senza necessariamente mostrare processi di pensiero simili a quelli umani.

In contrasto con l’intelligenza artificiale forte, l’intelligenza artificiale debole è basata sul “come se”, ovvero agisce “come se” avesse una mente e si riferisce all’uso di programmi per studiare o risolvere specifici problemi o ragionamenti che non possono essere compresi pienamente o che, in alcuni casi, superano i limiti delle capacità cognitive umane. Diversamente dall’intelligenza artificiale forte, quella debole non realizza una auto consapevolezza e non dimostra il largo intervallo di livelli di abilità cognitive proprio dell’uomo, ma è esclusivamente un risolutore di problemi specifico parzialmente intelligente.

Non avevamo inizialmente alcun preconcetto su quale tecnologia utilizzare e non abbiamo escluso a priori l’impiego di tecnologie di deep learning assimilabili all’intelligenza artificiale forte, in aggiunta a quelle di machine learning che già impiegavamo.

Abbiamo inizialmente attuato una scelta radicale e ci siamo imposti, dopo anni di sviluppo, di ripartire da zero come se dovessimo esplorare un mondo nuovo alla ricerca di regolarità statistiche che ci permettessero di sfruttare opportunità previsionali persistenti.

Dovevamo tracciare un perimetro che delineasse quali dati analizzare e ci siamo affidati al deep learning, chiedendo ai sistemi, per ogni scenario, di massimizzare il rendimento rispetto al rischio, tenendo conto dei costi (e spread denaro lettera) applicabile per singola transazione. Per semplicità espositiva, qui di seguito, ad ogni scenario corrisponde una domanda:

  • Quali mercati o strumenti?
  • Utilizziamo solo dati strutturati o anche dati non strutturati?
  • Quale time frame?
  • Utilizziamo modelli long/short o solo modelli only long?
  • Utilizziamo modelli simmetrici o modelli asimmetrici?
  • Utilizziamo il riconoscimento dei pattern?
  • Utilizziamo il cost of carry (o costo di mantenimento della posizione) per tutti gli strumenti?
  • Utilizziamo stop profit?
  • Utilizziamo stop loss?
  • Quali pesi adottiamo per i portafogli?

L’intelligenza artificiale profonda non supervisionata (deep learning), adottando uno sguardo nuovo e scevro da condizionamenti, si è occupata in prima battuta di analizzare il contesto, ossia di come al variare di una singola ottimizzazione cambiassero anche gli altri scenari ed in seguito ha trovato un equilibrio che aveva tutte le caratteristiche di usabilità che speravamo di ottenere.

Riscrivendo l’intero sistema c’era un tema che abbiamo affrontato prima di ogni altro: la necessità di adottare un “design etico”.

Stiamo parlando proprio di quel “design etico” che i social media quando possono, evitano: voi vedete quello che la piattaforma vi spinge a vedere per massimizzare gli acquisti e le visualizzazioni. C’è una intelligenza artificiale che coinvolge l’utente proponendo cose che gli interessano, poi lo incolla allo schermo con una narrazione da cui non riesce a uscire usando tecniche di tecnologia persuasiva.

Lo stesso accade nel settore finanziario: La stessa tecnologia, ormai estremamente diffusa, viene usata per convincere gli investitori della necessità di operare il più spesso possibile con l’utilizzo di tecniche che creano dipendenza dalla piattaforma di erogazione dei contenuti.

Durante la conferenza racconterò di quali intuizioni abbia avuto l’intelligenza artificiale e quali siano state le risposte che ha dato alle domande.

Come avete intuito, siamo arrivati ad utilizzare quotidianamente l’intelligenza artificiale debole, solo per supervisionare le quotidiane attività di calcolo, senza contribuire al processo decisionale diretto, delegando le decisioni ad un codice algoritmico che si occupa di mettere in pratica le intuizioni in maniera chiara, leggibile, trasparente e inoppugnabile evitando l’effetto “black box” tipico del processo decisionale basato su intelligenza artificiale.

Roberto Malnati