Creare indici con l'Intelligenza Artificiale
Il tema dell'inclusione ed esclusione di titoli negli indici influisce
sempre più sui processi di investimento.
L'industria FinTech ha
introdotto il direct indexing per rispondere a queste esigenze,
permettendo agli investitori di negoziare direttamente panieri di titoli
personalizzati. L'Intelligenza Artificiale (IA o AI) è ora utilizzata per
creare indici tematici attivi con modelli di selezione avanzati.
Le classi di applicazione dell'AI
Tre classi di applicazione IA vengono impiegate da Rataran nella gestione attiva degli indici:
- Unsupervised Machine Learning – Per l'estrazione e selezione delle caratteristiche e per stabilire le metriche e gli indicatori atti a raggruppare strumenti finanziari.
- Machine Learning – Per applicazioni tattiche, ovvero per determinare la convenienza teorica di comprare o vendere uno strumento finanziario.
- Swarm Intelligence & Deep Learning – Per applicazioni strategiche, ovvero apportare modifiche al portafoglio modello utilizzando tecniche di intelligenza dello sciame.
Questi metodi aiutano a valutare e gestire il rischio e il rendimento degli investimenti, distinguendo tra rischi accettabili, inaccettabili e inevitabili, e includendo solo strumenti finanziari con rischi accettabili nel processo di investimento.
Il Supervisor
L’intelligenza artificiale (IA) si riferisce alla capacità delle macchine di mostrare abilità umane come ragionamento, apprendimento e creatività. Le tre classi di applicazione IA sono utilizzate senza prevalenza tra loro e lavorano insieme sotto il controllo di un Supervisor, mantenendo la trasparenza e la reversibilità del processo decisionale.
L’intelligenza artificiale forte implica macchine che possono ragionare e risolvere problemi autonomamente, mentre l’intelligenza artificiale debole si concentra su problemi specifici senza autoconsapevolezza.
Il Supervisor, con una squadra di selezione, definisce e aggiorna periodicamente l’universo di investimento per ogni indice attivo, supervisiona inclusioni ed esclusioni di asset class e strumenti, e impone limiti di volatilità, turnover, correlazione e concentrazione.
Il processo decisionale dell'Intelligenza Artificiale
Machine Learning e Intelligenza Artificiale vengono utilizzate per analizzare strumenti finanziari e determinare la probabilità di salita o discesa per i successivi 20 giorni di mercato. Gli strumenti finanziari sono associati a uno stato binario “long” o “flat”, che indica la convenienza teorica di comprarli o non comprarli.
Il sistema impone una limitazione alla frequenza delle operazioni e punta a un acquisto e una vendita annuale. L’intelligenza artificiale identifica andamenti ciclici significativi per ogni strumento. Sono state individuate 12 aree statisticamente significative all’interno di ogni ciclo, rappresentabili come un orologio.
La strategia globale è basata su 4 regole principali riguardanti acquisto, vendita e stop. Il sistema calcola anche indicatori giornalieri per ogni strumento finanziario analizzato. Gli indicatori sono il risultato di algoritmi basati sulle serie storiche (prezzi e volumi) dello strumento analizzato.
Utilizzando tecniche di swarm intelligence, il sistema calcola le modifiche da apportare alla composizione dell’indice in base ai segnali e agli score prodotti dal sistema decisionale. Due regole base sono adottate per l’ingresso e l’uscita degli strumenti dall’indice, con alcune regole di esclusione applicate.
Infine, il sistema determina il livello di liquidità da mantenere non investito, calcolando il “Target Long” e confrontandolo con il “benchmark long” per ottenere la percentuale ideale di liquidità da mantenere giorno per giorno.
