L'intelligenza artificiale nella gestione del portafoglio

L’intelligenza artificiale è in grado di analizzare i bilanci aziendali, monitorare migliaia di segnali di rischio e testare le modifiche al portafoglio molto più rapidamente rispetto a un team di investimento che opera manualmente. Ciò non significa però che sia in grado di prevedere l’andamento dei mercati in modo affidabile o di eliminare la possibilità di perdite. Per gli investitori, la domanda rilevante non è se un portafoglio sia definito «basato sull’intelligenza artificiale», ma quali decisioni siano influenzate dalla tecnologia, su quali dati si fondino tali decisioni e chi ne sia responsabile nel caso in cui il modello si riveli errato.

Il ruolo dell'intelligenza artificiale nella gestione del portafoglio

L'intelligenza artificiale nella gestione del portafoglio copre un'ampia gamma di applicazioni. Alcuni sistemi estraggono informazioni dai bilanci, dalle conferenze sugli utili, dalle notizie e dai dati di mercato. Altri stimano il rischio, individuano le relazioni tra gli asset, simulano potenziali operazioni o aiutano i gestori a costruire portafogli in funzione di un obiettivo specifico.

I modelli di apprendimento automatico si differenziano dalle regole di investimento convenzionali in quanto sono in grado di analizzare un gran numero di variabili e individuare schemi ricorrenti senza che ogni singola relazione sia stata programmata in anticipo. Un sistema potrebbe valutare in che modo le variazioni dei tassi di interesse, dei prezzi delle materie prime, dei comunicati aziendali e della volatilità di mercato abbiano storicamente influenzato un gruppo di titoli.

L'IA generativa ha una funzione diversa. È in grado di sintetizzare le ricerche, rispondere a domande sui documenti interni e trasformare i dati del portafoglio in bozze di commenti per i clienti. Può rendere più facile il recupero delle informazioni, ma non diventa un esperto di investimenti solo perché le sue spiegazioni sembrano convincenti.

L'espressione “gestione del portafoglio basata sull'intelligenza artificiale” non dice quindi molto di per sé. Potrebbe riferirsi a un sofisticato sistema di gestione del rischio istituzionale, a un robo-advisor che utilizza regole di allocazione relativamente convenzionali o a una piattaforma rivolta ai consumatori che ha aggiunto un chatbot a un prodotto di investimento già esistente.

In quali ambiti l'intelligenza artificiale può apportare un valore aggiunto concreto

I team di investimento elaborano una quantità di informazioni superiore a quella che un singolo individuo è in grado di leggere. L'intelligenza artificiale può aiutare a classificare tale materiale, estrarre i dati rilevanti e segnalare agli analisti i cambiamenti che richiedono attenzione.

Un modello potrebbe rilevare che il management di un’azienda è diventato meno sicuro nel proprio linguaggio, che i modelli di capitale circolante sono cambiati o che diverse società in portafoglio condividono un’esposizione non rilevata dalle loro classificazioni settoriali ufficiali. Può inoltre confrontare un nuovo rapporto con anni di informazioni divulgate in precedenza in modo più efficiente rispetto a una persona che effettui la stessa ricerca manualmente.

La gestione del rischio offre un’altra applicazione concreta. La tecnologia è in grado di calcolare come un portafoglio potrebbe reagire alle variazioni dei tassi di interesse, delle valute, degli spread creditizi o della volatilità azionaria. È in grado di individuare concentrazioni difficili da rilevare quando le attività sono detenute tramite più fondi, entità giuridiche e depositari.

Piattaforme come Aladdin di BlackRock sono progettate per riunire in un unico sistema le informazioni relative al portafoglio, al rischio e alle operazioni. Il loro valore non risiede tanto nella produzione di una singola previsione di mercato, quanto piuttosto nell’aiutare i professionisti degli investimenti a avere una visione coerente delle esposizioni e a valutare le conseguenze delle possibili decisioni.

L'intelligenza artificiale può inoltre migliorare i controlli operativi individuando transazioni anomale, discrepanze di riconciliazione o violazioni delle restrizioni di portafoglio. Queste applicazioni possono ridurre il lavoro ripetitivo, consentendo ai dipendenti di concentrarsi sulle eccezioni che richiedono un giudizio.

L'ottimizzazione del portafoglio non è una sfera di cristallo

L'ottimizzazione del portafoglio mira a selezionare una combinazione di attività che offra un rendimento atteso interessante per un determinato livello di rischio. L'intelligenza artificiale può integrare una maggiore quantità di dati e modellare relazioni che gli approcci tradizionali potrebbero trascurare.

Il limite è che i rendimenti attesi, i rischi e le correlazioni devono comunque essere stimati. Tali stime sono incerte e possono variare rapidamente. Gli asset che apparivano debolmente correlati in condizioni di mercato normali potrebbero subire un calo contemporaneo durante una crisi, proprio nel momento in cui la diversificazione è più necessaria.

Un modello complesso può generare un'allocazione che appare matematicamente precisa, ma che dipende da ipotesi troppo fragili per sostenerla. Piccole variazioni nei dati di input possono talvolta determinare cambiamenti sostanziali nel portafoglio raccomandato.

I vincoli sono quindi fondamentali. I team di investimento possono limitare l’esposizione a una singola società, a un settore o a un paese, richiedere un livello minimo di liquidità e limitare il turnover. Queste regole impediscono al processo di ottimizzazione di puntare a un portafoglio teoricamente efficiente che, nella realtà, risulterebbe poco pratico o eccessivamente concentrato.

L'intelligenza artificiale può migliorare l'analisi, ma non può determinare gli obiettivi dell'investitore. Le decisioni relative alla perdita accettabile, alle esigenze di liquidità, all'orizzonte di investimento e ai vincoli etici rimangono fondamentalmente di competenza umana.

Una maggiore quantità di dati non porta automaticamente a decisioni migliori

I dati alternativi hanno ampliato il ventaglio di informazioni a disposizione dei gestori di investimenti. Le immagini satellitari, il traffico web, gli annunci di lavoro, i dati sulle spedizioni, le transazioni con carta di credito e il sentiment online possono fornire indicazioni sull’attività economica o aziendale prima della pubblicazione dei bilanci tradizionali.

Il vantaggio può essere temporaneo. Quando molti investitori acquistano lo stesso set di dati e utilizzano modelli simili, tali informazioni potrebbero riflettersi nei prezzi di mercato. Ciò che un tempo rappresentava un segnale distintivo può trasformarsi in un bene costoso.

I dati possono inoltre risultare incompleti o fuorvianti. Le transazioni con carta di credito potrebbero sovrarappresentare determinati consumatori, l’attività online potrebbe essere manipolata e i dati satellitari potrebbero essere interpretati in modo errato. I dati storici possono presentare lacune o riflettere condizioni che non sono più attuali.

Anche la legalità e la privacy sono importanti. Le società devono capire come sono state raccolte le informazioni, se possono essere utilizzate a fini di investimento e se consentono di identificare le persone. L’acquisto di dati da terzi non esonera il gestore degli investimenti dalla responsabilità di valutarne la provenienza.

Un modello addestrato su grandi quantità di informazioni di scarsa qualità può generare errori con maggiore rapidità e su scala più ampia rispetto a un analista umano.

Il problema dell'evoluzione dei mercati

I modelli di apprendimento automatico apprendono dagli esempi storici. I mercati, tuttavia, sono sistemi adattivi influenzati dalla politica, dalla tecnologia, dalla regolamentazione e dal comportamento degli altri investitori.

Una strategia messa a punto in un periodo di calo dei tassi di interesse potrebbe comportarsi in modo inaspettato in caso di aumento dell’inflazione. Una correlazione osservata prima di una modifica normativa potrebbe scomparire in seguito. I modelli sviluppati in periodi di calma dei mercati potrebbero sottostimare la velocità con cui la liquidità si esaurisce in situazioni di stress.

Questo fenomeno è noto come “deriva del modello” o “cambiamento di regime”. L’ambiente inizia a discostarsi dalle condizioni rappresentate nei dati di addestramento, riducendo l’affidabilità dei risultati.

Le società di investimento devono verificare se un modello si comporta come previsto, e non limitarsi a controllare se rimane tecnicamente operativo. La performance dovrebbe essere confrontata con le ipotesi di partenza, con soglie chiare per la revisione, la limitazione o il ritiro del modello.

Il controllo umano è fondamentale quando il modello si imbatte in qualcosa che non ha mai visto prima. È proprio in quei casi che l’indicatore di affidabilità automatico può risultare particolarmente fuorviante.

La personalizzazione ha dei limiti pratici

L'intelligenza artificiale può aiutare i consulenti a personalizzare i portafogli in base agli obiettivi dell'investitore, alla sua propensione al rischio, alla sua situazione fiscale e alle sue esigenze di liquidità. Può inoltre individuare i casi in cui un portafoglio si è discostato dall'allocazione target o in cui un cambiamento delle circostanze possa giustificare una revisione.

Ciò potrebbe consentire di offrire servizi personalizzati a clienti che, rivolgendosi a una banca privata tradizionale, non riceverebbero un portafoglio completamente su misura. Tuttavia, la qualità del risultato dipende dalle informazioni fornite.

Un questionario non sempre riesce a cogliere il modo in cui un investitore reagirà a una perdita effettiva. Qualcuno potrebbe dichiararsi a proprio agio con la volatilità quando i mercati sono in rialzo, per poi vendere al primo calo significativo.

La personalizzazione può anche diventare uno strumento di marketing. Una piattaforma può presentare un portafoglio standard con lievi modifiche come se fosse una strategia altamente personalizzata. Gli investitori dovrebbero chiedersi quali elementi siano realmente personalizzati e quali rimangano invece gli stessi per tutti i clienti appartenenti a una categoria più ampia.

Un algoritmo può aiutare a tradurre le preferenze definite in un'allocazione. Non è in grado di stabilire se l'investitore ne abbia compreso le conseguenze.

L'intelligenza artificiale è in grado di prevedere l'andamento del mercato?

L'intelligenza artificiale è in grado di stimare le probabilità e individuare modelli storici. Non può però sapere con certezza come reagiranno i mercati a un'elezione, a una guerra, a una decisione normativa, all'annuncio di utili inaspettati o a un cambiamento nel sentiment degli investitori.

Le previsioni possono anche influenzare il mercato che intendono prevedere. Se molte società utilizzano dati e modelli simili, potrebbero acquistare e vendere attività simili contemporaneamente. Ciò può indebolire l'opportunità iniziale e potenzialmente intensificare le oscillazioni dei prezzi.

Le società quantitative di successo dimostrano che le strategie di investimento sistematiche possono funzionare. Non dimostrano però che uno strumento di intelligenza artificiale “pronto all’uso” sia in grado di riprodurre i loro risultati. Le società leader combinano dati proprietari, infrastrutture, ricerca, sistemi di esecuzione e anni di conoscenze accumulate. I loro modelli, inoltre, vengono sviluppati e supervisionati da team specializzati.

Un’applicazione destinata ai consumatori che sostiene di individuare i titoli vincenti di domani grazie all’intelligenza artificiale dovrebbe quindi essere considerata con notevole scetticismo. Una terminologia sofisticata non garantisce la capacità predittiva.

Per cosa vale la pena spendere?

Potrebbe valere la pena investire nell'intelligenza artificiale quando questa garantisce un migliore consolidamento, una maggiore efficienza nella ricerca, una migliore visibilità sui rischi o un miglior controllo operativo. Per un family office, la possibilità di avere una visione d'insieme delle esposizioni su asset sia quotati che non quotati può rivelarsi più preziosa rispetto a un'ulteriore fonte di raccomandazioni di investimento.

È particolarmente importante disporre di dati affidabili e di un'integrazione efficace. Una piattaforma dovrebbe specificare a quali depositari, banche e fonti di mercato si collega, in che modo vengono riconciliate le informazioni e come vengono valutati gli asset privati.

Anche l'analisi degli scenari può rivelarsi utile. Il sistema dovrebbe consentire all'investitore o al gestore di valutare cosa potrebbe accadere in base a diverse ipotesi, anziché presentare un'unica previsione come il futuro atteso.

La trasparenza è più importante della novità. Gli utenti devono capire su cosa agisce il modello, come vengono testate le sue prestazioni e in quali casi è necessaria l’approvazione umana. A un sistema che non è in grado di spiegare i propri limiti non dovrebbe essere concessa maggiore autorità semplicemente perché i suoi calcoli interni sono complessi.

Cosa si può solitamente tralasciare

Gli investitori non hanno bisogno di un prodotto basato sull’intelligenza artificiale solo perché l’etichetta sembra moderna. Molti robo-advisor utilizzano regole di portafoglio semplici, basate sulla diversificazione, sul ribilanciamento periodico e su fondi a basso costo. Queste soluzioni possono essere perfettamente utili, ma non dovrebbero comportare un prezzo elevato solo perché all’interfaccia è stato aggiunto un chatbot.

Anche i consigli quotidiani sul portafoglio non sono necessari per la maggior parte degli investitori a lungo termine. Modifiche frequenti possono aumentare i costi, le imposte e la tentazione di reagire alle fluttuazioni di mercato.

I punteggi relativi al sentiment e i dashboard predittivi possono sembrare sofisticati senza però migliorare i risultati. Chiedetevi se le informazioni modificano una decisione già definita e se il miglioramento dichiarato è stato verificato tenendo conto dei costi.

Soprattutto, evitate i prodotti che promettono rendimenti costantemente superiori, protezione dalle perdite o la capacità di anticipare i movimenti di mercato con eccezionale precisione. Le autorità di regolamentazione sono intervenute contro le società di investimento che rilasciavano dichiarazioni fuorvianti sul loro utilizzo dell’intelligenza artificiale. L“”AI washing” può far apparire una strategia ordinaria o non collaudata più avanzata di quanto non sia in realtà.

Domande da porre a un fornitore

Inizia chiedendoti cosa fa effettivamente l’IA. Supporta la ricerca, seleziona i titoli, determina l’allocazione degli asset, ribilancia il portafoglio o comunica con i clienti?

Chiedete quali dati utilizza il modello e se il fornitore abbia il diritto legale di utilizzarli. Informatevi sulla frequenza con cui il sistema viene testato, su chi ne verifichi i risultati e su quali condizioni potrebbero indurre l’azienda a ignorarne i risultati o a sospenderne il funzionamento.

Le dichiarazioni relative alle performance devono essere valutate con cautela. È necessario verificare se i risultati si basano su portafogli reali o su simulazioni storiche, se includono commissioni e costi di negoziazione e quale benchmark sia stato utilizzato. Un backtest effettuato dopo lo sviluppo del modello non equivale a un track record di investimento verificato in modo indipendente.

Il fornitore dovrebbe inoltre spiegare in che modo vengono conservate le informazioni sui clienti e se queste vengono utilizzate per addestrare modelli esterni. Le posizioni in portafoglio, la situazione fiscale e gli obiettivi finanziari personali sono dati sensibili.

Infine, chiedetevi chi sia responsabile della decisione di investimento. La tecnologia non esonera un consulente o un gestore patrimoniale dai propri obblighi legali e professionali.

Il rischio dei modelli comuni

Se molti istituti finanziari si affidano agli stessi fornitori di modelli, servizi cloud e set di dati, il settore potrebbe risultare più interconnesso di quanto sembri.

I modelli potrebbero reagire in modo simile a uno shock di mercato, raccomandare modifiche analoghe al portafoglio o interpretare erroneamente le stesse informazioni errate. Le operazioni che ne derivano potrebbero amplificare la volatilità.

Anche la dipendenza da un numero ristretto di fornitori di tecnologia comporta un rischio operativo. Un’interruzione del servizio, un attacco informatico o un aggiornamento del modello potrebbero avere ripercussioni su numerose società contemporaneamente. I gestori degli investimenti devono disporre di piani di emergenza ed essere in grado di garantire il funzionamento dei processi critici nel caso in cui un fornitore non fosse più disponibile.

Affidare un modello a terzi non significa delegare la responsabilità. Le aziende devono conoscere il sistema a sufficienza per poter valutarne i risultati e gestirne eventuali fallimenti.

Il controllo umano deve essere effettivo

Affidare a una persona il controllo finale di un processo automatizzato non garantisce una supervisione efficace. I dipendenti potrebbero accettare le raccomandazioni del modello perché il sistema sembra più obiettivo o perché non dispongono del tempo e delle competenze necessarie per metterlo in discussione.

Una supervisione efficace richiede l'accesso ai dati pertinenti, la comprensione dell'uso previsto del modello e l'autorità di respingere le sue raccomandazioni. Le decisioni dovrebbero essere documentate, in particolare quando il sistema influenza l'allocazione del portafoglio o la consulenza fornita a un cliente.

I professionisti degli investimenti assumeranno sempre più il ruolo di custodi dei modelli, oltre che di analisti finanziari e gestori di portafoglio. Dovranno capire quando l’intelligenza artificiale fornisce elementi utili, quando si limita a confermare un’opinione già esistente e quando invece genera una falsa sicurezza.

Il processo più efficace coniuga la potenza di calcolo con la responsabilità umana. L’intelligenza artificiale è in grado di individuare modelli e testare scenari; spetta alle persone decidere se tali modelli abbiano senso dal punto di vista economico e siano adeguati alle esigenze dell’investitore.

Uno standard migliore per i portafogli gestiti dall'intelligenza artificiale

Un portafoglio gestito con l'ausilio dell'intelligenza artificiale dovrebbe comunque soddisfare gli stessi criteri fondamentali di qualsiasi altro approccio di investimento. Dovrebbe avere un obiettivo chiaro, costi comprensibili, un'adeguata diversificazione e un livello di rischio coerente con la capacità di sopportare le perdite dell'investitore.

Le sue prestazioni dovrebbero essere confrontate con quelle di un'alternativa più semplice. Se un portafoglio diversificato a basso costo produce un risultato simile, la maggiore complessità e i costi aggiuntivi potrebbero non essere giustificati.

Gli investitori dovrebbero inoltre distinguere tra una migliore gestione del portafoglio e una migliore presentazione. I commenti generati automaticamente e i dashboard curati nei minimi dettagli possono migliorare la comunicazione senza però migliorare gli investimenti sottostanti.

È probabile che l’intelligenza artificiale venga integrata in tutti i settori della ricerca, della costruzione del portafoglio, della gestione del rischio e del servizio clienti. Il suo contributo più duraturo potrebbe consistere nell’aiutare i professionisti a elaborare le informazioni e a monitorare i portafogli complessi in modo più coerente, piuttosto che nel sostituirli con un motore di investimento autonomo.

La tecnologia può rendere la gestione del portafoglio più rapida e più consapevole, ma non può eliminare l’incertezza né definire ciò a cui un investitore dovrebbe attribuire valore. Utilizzate l’intelligenza artificiale laddove contribuisca a migliorare i dati, la visibilità e la disciplina. Mantenete un atteggiamento scettico quando viene presentata come sostituto della diversificazione, del giudizio o della responsabilità.