Il Big Data è entrato a pieno titolo nel mondo dell’investimento professionale. Ma come estrarre informazioni utili dal mare di dati, cifre, informazioni che con un solo clic si possono raccogliere sulla rete? Come utilizzare al meglio AI, l’intelligenza artificiale, per gestire il denaro ottenendo risultati che l’intelligenza umana, e l’esperienza dei gestori, non sono in grado di ottenere? 

Il timore che l’investimento guidato da una macchina e da un algoritmo scalzi intuito e competenza di gestori in carne e ossa è sempre più diffuso nelle società d’investimento grandi e piccole. Secondo il “Financial Times”, negli ultimi 3-4 anni l’indice che rappresenta la performance degli hedge fund che investono su titoli scommettendo sul loro rialzo o diminuzione, secondo il giudizio dei gestori, è inferiore a quella dell’indice S&P 500.

Una brutta figura per i guru di Borsa, che infatti hanno visto fuggire molti clienti. Verso dove? Proprio verso quegli investimenti passivi che sono guidati dai computer. I quali computer sono basati su strategie di investimento quantitative e non basate sui fondamentali, cioè sull’analisi dell’impresa, del mercato, dell’economia. Insomma, si profila il trionfo del Big Data.

Ma non tutto è perduto. Prima di ammettere che i programmatori di computer sono il futuro nel mondo della gestione del denaro, gli esponenti del modo tradizionale di investire, economisti e esperti di finanza, vendono cara la pelle. Anzi, offrono astutamente una soluzione di compromesso. Si chiama “quantamental”, e si sta imponendo come la nuova scuola per gli operatori di asset management.

Un idrido tra “fundamental” e “quantitative investing”. Un modo con cui l’industria del denaro tradizionale si vuole appropriare del Big Data per non farsi scippare l’osso del business. Un tentativo di mediazione – e di fusione – di tecniche diverse che possono però anche essere complementari.

L’aumento dell’uso dei dati nelle scelte di investimento è galoppante. La caccia è n tutte le direzioni. Geolocalizzazioni, traffico, meteo, carte di credito, tutto può essere utile per alimentare i programmi che muovono le scelte “quantiche”. C’è un neo, però: essendo i dati disponibili a tutti, vere commodity ma alquanto costose, il fattore concorrenziale per chi li usa è in discesa. E il valore di quei dati dentro un computer votato all’investimento del denaro è tutto da dimostrare: lo prova la crescita del numero dei programmatori assunti dalle società di investimento, in una corsa collettiva alla ricerca della pietra filosofale della performance.

Sono sempre più numerose le società di investimento tradizionali che usano il “machine learning”, quel processo in cui l’algoritmo si evolve con l’immissione di nuovi dati, in pratica consente al computer di diventare più intelligente in modo dinamico. Un’evoluzione ulteriore nel campo dell’intelligenza artificiale, questa, dove al posto dell’algoritmo costruito con le regole del programmatore umano, che decide quali sono queste regole, e quali decisioni possono essere prese in certe situazioni date, è viceversa il computer che costruisce il proprio modello di comportamento.

Vista la diffusione del machine learning, la Bank of England ha recentemente redatto un rapporto sul tema (https://www.bankofengland.co.uk/-/media/boe/files/report/2019/machine-learning-in-uk-financial-services.pdf?la=en&hash=F8CA6EE7A5A9E0CB182F5D568E033F0EB2D21246), per capirne il potenziale, ma anche i rischi eventuali. Va bene rendere i mercati finanziari più efficienti, più adattabili alle esigenze dei clienti, si è chiesta la BoE, ma se governance e controlli non tengono lo stesso passo dell’evoluzione delle macchine, che cosa può succedere?

D’altra parte sono le stesse aziende che usano il machine learning a indicarne i limiti: prima di tutto, è quasi impossibile spiegare a terzi come funziona; può essere ingannato dai suoi stessi dati; se non produce la performance promessa ai clienti può creare un boomerang reputazionale. Può essere, infine, spiazzato da eventi che non ha mai incontrato e dove è l’esperienza umana che può prendere decisioni molto più sagge.

Il cammino dell’automatizzazione in finanza, comunque, è segnato. Tanto da chiedersi: le macchine prenderanno il posto degli umani? Lo fa uno studio che esamina la diffusione dei roboadvisor (https://bankunderground.co.uk/2020/01/31/the-myth-of-full-automation-the-roboadvice-case/) a cui molti risparmiatori si rivolgono per investire il proprio denaro. 

La relazione tra il cliente dal suo computer e il personale in carne e ossa nella società che gestisce il roboadvisor è praticamente zero. Tutto si svolge in un processo automatizzato. Questo vuol dire diminuzione del personale necessario dentro l’azienda? La risposta del paper è no.

Tra il 10 e il 20 per cento delle funzioni è ancora svolta manualmente, e c’è sempre una quota di clienti dei roboadvisor (tra il 5 e il 10 per ceto) che cerca comunque un contatto umano. Non solo. Gli amministratori delle aziende finanziarie spesso scoprono che un compito svolto da un dipendente è meno costoso di quello di far evolvere l’algoritmo per affrontarlo. Tra l’altro, il primo è un costo variabile, il secondo un costo fisso.

Risultato: anche se i roboadvisor diventeranno sempre più abili nell’affrontare compiti non di routine, quelli che una volta era esclusiva degli umani, le aziende avranno sempre più bisogno di umani per farli funzionare. Dunque nell’industria finanziaria non scompariranno i posti di lavoro a causa delle macchine. Cambierà la tipologia di quei lavori, questo sì.