4 min
L’industria degli hedge fund sta vivendo una fase di maturazione che la renderà sempre più simile al risparmio gestito tradizionale, ed è oggi in grado di fare un enorme salto qualitativo con l’applicazione di tecnologie di intelligenza artificiale e deep learning. Tramite queste tecnologie, i gestori hanno la possibilità di processare immense quantità di dati e identificare quelli significativi, identificare pattern e quindi fare previsioni più precise, ottimizzare le attività di trading. A spiegarlo a FocusRisparmio è Giovanni Beliossi, nominato di recente come senior advisor di Axyon AI – società di intelligenza artificiale che fornisce soluzioni basate sul deep learning per il risparmio gestito – con il compito di studiare soluzioni dedicate al mondo degli hedge fund ed in particolare all’applicazione di queste tecnologie ai processi di formulazione delle previsioni e di gestione di portafoglio e del trading.
Forte di essere sopravvissuta alla crisi finanziaria del 2007-08 praticamente indenne, l’industria degli hedge fund sta vivendo da allora una fase di maturazione che la renderà più simile al mondo del risparmio gestito tradizionale. La biforcazione già evidente tra pochi conglomerati di megafondi, il cui patrimonio gestito eccede i 10 miliardi, ed una moltitudine di altri il cui gestito spesso si conta in decine o centinaia di milioni, si è ulteriormente accentuata, anche a seguito delle modifiche regolamentari e di compliance che tendono a premiare le strutture di dimensioni maggiori.
Allo stesso tempo inizia a diffondersi tra gli investitori (che sono sempre più istituzionali e sempre meno individuali) la convinzione che, salvo poche eccezioni, i megafondi non possano reggere il confronto in termini di performance con fondi più agili e di dimensioni più ridotte. Per questo motivo non solo gli investitori istituzionali come i grandi fondi pensione ma anche alcuni megafondi hanno dato vita ad iniziative di seeding di realtà e strategie con elevate performance, fornendo capitale e risorse finanziarie per lo sviluppo di attività di gestione e trading innovative, facendo in modo di passare da una dimensione di nicchia ad una capacità ottimale. Spesso tali realtà utilizzano tecnologie e conoscenze avanzate e non generalmente disponibili.
Durante la pandemia ed in particolare nelle sue fasi iniziali i fondi hedge hanno spesso sofferto sia a causa dei movimenti molto ampi e correlati dei mercati che rendono difficile il ribilanciamento delle operazioni di copertura tipiche delle strategie alternative, sia a causa di una improvvisa mancanza di liquidità. Vi sono però state nicchie di performance decisamente positiva tra i trader quantitativi e i managed futures. Molte delle strategie si sono poi riprese quando la situazione si è stabilizzata. Come prevedibile, le strategie che fanno un uso maggiore della leva e quelle che tipicamente hanno una esposizione negativa rispetto alla volatilità hanno sofferto maggiormente. Pur considerando una forte dispersione di rendimenti in questo periodo, possiamo comunque affermare che i fondi hedge hanno tenuto in termini di performance. Da un punto di vista di trading e operativo si sono inoltre adattati molto rapidamente ed in modo efficace ad una situazione in cui il trading viene ora effettuato in smart working da casa invece che sui trading floor
Le applicazioni di AI e ML al mondo dei fondi hedge riguardano in primo piano le attività di previsione di rendimenti, selezione titoli e gestione di portafoglio e coprono tutto lo spettro di tali attività. Partono dalla ricerca, identificazione e filtraggio dati e, ovviamente, una parte molto importante del contributo di queste nuove tecnologie si realizza nella fase di modellizzazione delle previsioni di investimento, in cui forniscono un supporto molto più efficace rispetto alle tecnologie esistenti per identificare profili e pattern ricorrenti ed importanti nelle informazioni analizzate dal gestore. Infine, hanno un impatto via via crescente sulla costruzione del portafoglio, intesa come selezione della quantità di titoli da acquistare o vendere date le previsioni fatte dal gestore e sulla ottimizzazione della attività di trading
Di fronte al proliferare quasi incontrollato di nuove fonti di dati a scapito del loro contenuto e precisione, sono strumenti di ausilio indispensabile per ripulire tali dati e determinarne se siano significativi o meno per il gestore. Nella costruzione di portafoglio permettono di integrare strumenti tradizionali come le stop-loss con tecniche di gestione del rischio di portafoglio in modo molto più soddisfacente delle tecnologie esistenti, che lo riducono a mera funzione di rendimento e volatilità attesi. Infine, nella attività di trading sul mercato consentono di affinare la valutazione dell’impatto del trading stesso sul mercato in modo da determinare il timing e le modalità del trading stesso durante la giornata.
La maggior parte delle strategie hedge possono trarre beneficio dall’utilizzo di strumenti di AI. In realtà sono i gestori tradizionali con un approccio qualitativo che potranno maggiormente apprezzare questo contributo, innanzitutto nell’offrire loro una prospettiva originale e differente di valutazione basata sulla identificazione con tecniche scientifiche di pattern di prevedibilità ed inoltre fornendo loro strumenti di gestione di portafoglio e trading più soddisfacenti di quelli disponibili in precedenza. Pensiamo ad esempio ad un gestore di obbligazioni di società in dissesto: normalmente il contributo di esperienza, abilità di identificare e concludere transazioni e conoscenza del background legale (quindi aspetti quasi interamente non quantitativi) è preponderante per il successo della strategia. Però anche in questo ambito le nuove tecnologie possono offrire validi contributi in termini di ricerca e valutazione di informazioni e modellizzazione degli scenari di rischio delle posizioni in essere e prospettive.
.
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”.
All'interno delle strategie azionarie long/short esiste una dispersione elevata in termini di performance tra i gestori. Ecco chi vince e chi perde dopo il rimbalzo di aprile
Francesca Campanelli di Axyon AI spiega come il deep learning aiuterà i gestori a scovare nei dati particolari difficili da rilevare dalla mente umana, consentendo loro di adottare strategie più efficienti
