4 min
L’intelligenza artificiale applicata al risparmio gestito si prepara a entrare in una nuova fase. Axyon AI, fintech italiana specializzata in soluzioni predittive per i mercati finanziari, ha recentemente lanciato insieme a Morningstar un nuovo indice dedicato all’azionario giapponese basato su modelli di machine learning. Una scelta che riflette sia il crescente interesse del mercato nipponico per le strategie AI-driven sia l’evoluzione di un settore che si prepara a convivere sempre più con strumenti quantitativi avanzati. FocusRisparmio ha raggiunto Daniele Grassi, cofounder e ceo della società, per capire quali prospettive apre questa innovazione
📰 Leggi anche “L’AI conquista la finanza italiana: la usa il 59% delle banche“
È un rapporto che nasce da lontano. Già nel 2018 uno dei nostri primi clienti era legato a Sumitomo Mitsui Banking Corporation, quindi lavoriamo sull’equity nipponica praticamente dagli inizi della società. Il Giappone inoltre è sempre stato un mercato molto sensibile ai temi innovativi e all’intelligenza artificiale. Questo, insieme alla presenza di partner locali e a un interesse crescente da parte degli investitori, ci ha spinto a prioritizzare il lancio di un indice dedicato all’area geografica. Va però precisato che la nostra copertura è molto più ampia: oggi i modelli proprietari di Axyon AI coprono circa il 97,5% della market cap globale.
Dal punto di vista operativo, i nostri modelli producono score predittivi sulle singole azioni dell’universo investibile. Per noi era però importante collaborare con un player riconosciuto a livello globale perché ci aiutasse a strutturare tutto il processo secondo standard molto rigorosi, dal rule book ai controlli interni. Ed è qui che entra in gioco Morningstar, utilizzano i segnali forniti dalla metrica per selezionare i titoli migliori e costruire il paniere finale. Nel caso dell’indice giapponese vengono selezionati le migliori 40 azioni e ponderate in base alla market cap.
📰 Leggi anche “AI e advisory, la vera partita è su qualità e responsabilità“
La nostra filosofia parte da un presupposto: i mercati finanziari sono sistemi estremamente dinamici e complessi, quindi nessuno può pensare di “sapere” davvero come si muoveranno. Per questo abbiamo costruito un processo completamente data-driven e basato sull’apprendimento continuo. Partiamo dalla raccolta e pulizia dei dati, che possono essere di mercato, fondamentali, macroeconomici o di sentiment. Successivamente costruiamo feature descrittive, cioè indicatori che aiutano le macchine a interpretare le condizioni di mercato. A quel punto entrano in gioco diversi modelli AI che vengono allenati, selezionati e combinati tra loro. Alla fine otteniamo ranking predittivi sulle azioni rispetto alle performance attese su diversi orizzonti temporali.
I cosiddetti “black swan” colpiscono tutti, sia gli esseri umani sia le macchine. La differenza è che l’AI non reagisce emotivamente. Nei momenti di forte volatilità questo può diventare addirittura un vantaggio, perché il machine learning tende a mantenere l’attenzione sui fondamentali senza lasciarsi trascinare dal panico di breve periodo. Certo, quando cambiano strutturalmente le condizioni di mercato anche i modelli devono adattarsi. Per questo aggiorniamo continuamente il training e utilizziamo metodologie quantitative che permettono ai segnali di diventare più reattivi nelle fasi di stress. Però ci sono anche aspetti che la macchina non può cogliere: un umano può magari intuire elementi qualitativi o politici che non emergono dai dati.
📰 Leggi anche “IA e asset management, perché la vera sfida è organizzativa“
Assolutamente sì. L’AI vede nei dati profondità che un umano non può raggiungere, ma l’uomo mantiene capacità interpretative e relazionali che restano fondamentali. Un consulente finanziario, ad esempio, può capire davvero i bisogni di un cliente, cosa che una macchina non sa fare. Allo stesso tempo, l’intelligenza artificiale può automatizzare moltissime attività ripetitive e migliorare enormemente la capacità predittiva. Credo che il futuro dell’asset management sarà sempre più una combinazione tra capacità umane e strumenti AI-driven.
Molto. Oggi vediamo soprattutto applicazioni locali, incrementalmente utili: riassumere report, generare analisi, integrare segnali quantitativi nei modelli di portafoglio. Ma la vera sfida sarà ripensare completamente l’asset management in un mondo AI-native. Chi si muove rapidamente avrà vantaggi competitivi nel breve termine, ma questo non basterà. Potrebbero emergere player costruiti fin dall’inizio attorno all’intelligenza artificiale e questo cambierà gli equilibri competitivi del settore. I grandi gruppi hanno più risorse per investire, ma i piccoli operatori possono essere più agili. Per questo vedremo probabilmente sempre più partnership tra società finanziarie tradizionali e player tecnologici specializzati.
📰 Leggi anche “Banche e assicurazioni puntano sugli agenti AI“
Stiamo lavorando molto sull’espansione commerciale, soprattutto negli Stati Uniti dove vediamo una pipeline molto forte anche grazie alla collaborazione con Eolas Capital a Boston. Parallelamente stiamo sviluppando nuovi indici con Morningstar, anche su tematiche più innovative. Una delle direzioni più interessanti riguarda gli strumenti di screening tematico forward-looking. Abbiamo sviluppato Axyon Foresight, una piattaforma basata sull’IA agentica che consente di costruire in poche ore framework quantitativi su temi molto specifici. Per esempio: identificare rapidamente quali società potrebbero beneficiare degli effetti di secondo livello di uno shock geopolitico come una crisi nello Stretto di Hormuz. Sono analisi che tradizionalmente richiederebbero mesi di lavoro a una banca d’investimento.
.
Vuoi ricevere ogni mattina le notizie di FocusRisparmio? Iscriviti alla newsletter
Registrati sul sito, entra nell’area riservata e richiedila selezionando la voce “Voglio ricevere la newsletter” nella sezione “I MIEI SERVIZI”.
Nel report Big Ideas 2026, la società di Cathie Wood individua cinque piattaforme tecnologiche destinate a convergere: intelligenza artificiale, robotica ed energia, biotech e multiomics, spazio e difesa, blockchain e fintech. Al centro della tesi d’investimento il crollo dei costi, che può accelerare adozione e investimenti
Secondo S&P Global Ratings, solo l’8% dei progetti nelle società è oggi pienamente integrato a livello organizzativo. Ma gli investimenti saliranno e i risparmi sui costi toccheranno il 6%-8% entro il 2028. Governance, dati e fornitori i driver per trasformare l’AI in un vantaggio competitivo. Con effetti sui rating
Secondo un sondaggio Denodo, il 73% delle organizzazioni finanziarie ha già portato soluzioni di intelligenza artificiale in produzione. Ma qualità, latenza e governance delle informazioni ne frenano la scalabilità. Nell’integrazione delle infrastrutture la chiave per colmare il gap
Le piattaforme virtuali stanno attirando l’interesse di molti aspiranti trader e appassionati di finanza, anche in Italia e in particolare tra i più giovani. Ecco come funziona il modello di società che selezionano e formano operatori attraverso ambienti simulati e programmi con regole prestabilite. Il caso Fintokei, realtà ceca per cui l’Italia rappresenta il secondo mercato più importante dopo il Giappone
Per il gruppo di consulenza, l’adozione dell'intelligenza artificiale nel settore finanziario aumenta la dipendenza del continente da fornitori tecnologici extra-UE. Dagli investimenti alle competenze fino al tandem pubblico-privato, la ricetta per rafforzare l’autonomia strategica
L’intelligenza artificiale si prepara a ridisegnare modelli di business, processi e relazioni con la clientela. Ma per gli operatori, la vera sfida sarà integrare la tecnologia nei sistemi e valorizzare il patrimonio dei dati. La ricetta di tre istituti per farlo
Dall’analisi dei dati alla costruzione dei portafogli, fino alla personalizzazione dei servizi e alla nascita di nuove linee di business. Le principali società di gestione stanno integrando l’AI nei processi operativi e decisionali. Ma la vera sfida è ora portare queste tecnologie su scala, garantendo qualità dei dati, governance e tutela dell’investitore
L’ultima ricerca di LFG+Zest individua il principale paradosso del boom: per preservare i rendimenti gli hyperscaler dovranno rallentare il capex, rischiando però di frenare la crescita dei principali beneficiari della corsa all’intelligenza artificiale
Mentre Wall Street continua a correre grazie agli investimenti nell’intelligenza artificiale, il Vecchio Continente punta sull’economia reale per trasformare innovazione, produttività e crescita in un vantaggio competitivo duraturo
L’ESMA recepisce l’allarme dell’ESRB: i modelli di frontiera potrebbero automatizzare gli attacchi informatici contro banche, assicurazioni e infrastrutture di mercato. Appello congiunto con EBA, EIOPA e BCE agli operatori. “Rafforzare subito la resilienza digitale”
Credito, consulenza, operations e fusioni: per Paolo Ceschi, responsabile Financial Services del gruppo, il vero valore dell’intelligenza artificiale emergerà quando gli algoritmi entreranno nei processi decisionali. “Ecco perché le future operazioni di M&A premieranno gli istituti più maturi”
