Sono ancora pochi gli asset manager che utilizzano il machine learning nei loro portafogli. Eppure i vantaggi sono noti. Tra questi, la ricerca delle eccellenze e delle fonti di alpha a prescindere dalla market cap
Gianluca Carnevale Garè, head of sales retail Italy di Ram Active Investments
Il presidente della Consob, Paolo Savona, accende i riflettori sull’approccio sistematico all’investimento. Un tema sensibile al mercato, che nell’ultimo anno ha visto crescere anche i prodotti che investono in questo settore. “Il numero di imprese che implementano l’intelligenza artificiale è cresciuto del 270% negli ultimi 4 anni, triplicando negli ultimi 12 mesi – commenta Gianluca Carnevale Garè, head of sales retail Italy di Ram Active Investments – Un mercato enorme che, secondo la ricerca che Gartner ha condotto intervistando oltre tremila Cio in 89 Paesi, nel 2019 potrebbe valere 1.901 miliardi di dollari a livello globale. L’intelligenza artificiale ha già raggiunto elevati tassi di crescita in molti settori, in agricoltura, nel settore farmaceutico, nel settore manifatturiero e nei servizi. Anche il mondo finanziario sta facendo importanti progressi.
E l’asset management?
L’asset management sta sottovalutando con colpevole ritardo questa fantastica tecnologia. Nonostante il crescente interesse verso il machine learning e la consapevolezza che non si possa più ignorare, sono ancora pochi gli asset manager che realmente lo utilizzano nei lori portafogli. A oggi, le potenzialità di applicazione dell’intelligenza artificiale, e nello specifico del machine learning, sono molte e in crescita, ed è ancora difficile identificarne i limiti. Ma quello che appare già chiaro è che sono necessarie competenze specifiche per guidare una macchina tanto potente quanto complessa qual è l’intelligenza artificiale. Si è alla ricerca del giusto connubio tra data science e data engineering e conoscenze finanziarie per guidare la ricerca che giocherà sempre più un ruolo chiave nell’asset management. Profili come questi sono ancora rari da trovare.
Quali sono oggi i vantaggi dell’applicazione del machine learning nell’industria del risparmio gestito? L’obiettivo del machine learning è la ricerca delle eccellenze, di fonti di alfa a prescindere dalla market cap, dal settore di appartenenza o dall’area geografica, con il vantaggio di poter analizzare in modo molto rapido, grazie alle nuove infrastrutture, un numero sempre più elevato di società e da molteplici punti di vista. I nostri modelli ci permettono di selezionare la qualità, minimizzando il rischio di valutare un’azienda non sufficientemente in profondità oppure “innamorarsi” di un’azienda a prescindere dai fondamentali. È oramai chiaro che nella gestione del risparmio ci sarà sempre meno spazio per l’intuizione e sempre più la necessità di competenze specifiche per sfruttare al massimo l’immensa mole di dati disponibili per effettuare scelte di investimento.
Parlando invece di approccio sistematico all’investimento, quali sono i benefici per il risparmiatore? Applicando un approccio sistematico, potenziato dall’applicazione del machine learning, la costruzione del portafoglio risulta altamente diversificata. Parliamo di portafogli che includono dagli 800 ai 1.500 titoli, un’allocazione che risulta molto diversa dal benchmark, senza sovrappesare le azioni in base a market cap, settore o area geografica, ma selezionando solo qualità. In un contesto in cui la diversificazione tradizionale fatica a funzionare, in cui ci troviamo a vedere una forte correlazione tra asset class molto diverse, diventa fondamentale trovare un nuovo modo di diversificare. Stiamo passando da una diversificazione di portafoglio a una diversificazione di processo. Un approccio alla Warren Buffet targato 2.0: forte focus sui fondamentali e selezione dei titoli con approccio strettamente bottom up. Ma beneficiando delle tecnologie all’avanguardia, di ultima generazione.
Alla ricerca di ‘Alpha’” è la rubrica di FocusRisparmio.com dedicata a investimenti, mercati e all’attualità economico-finanziaria. Ogni lunedì, con l’aiuto degli esperti del settore, vengono messi sotto la lente i fatti recenti più significativi e gli appuntamenti che avranno effetti sul medio e lungo termine.
Il risparmio gestito guarda alle tecnologie che possono essere applicate nelle decisioni di investimento e nella costruzione dei portafogli. Ma è presto per fare una valutazione sui risultati
Valvona (Amundi):“Nell'ambito Esg la scienza dei dati è molto importante, ma manca un denominatore comune: non c'è quindi una concordanza a livello di industria”
Iscriviti per ricevere gratis il magazine FocusRisparmio