Susinno (Pictet AM): “L’AI non ci serve per prevedere il futuro ma per trovare l’identità di ogni azienda”

 4 min

L’head of Quantitative Research della casa di investimenti svizzera spiega come ritrovare segnali che i modelli tradizionali faticano a cogliere, attraverso il modello AI alla base degli ETF attivi

Quattrocento variabili, quindici anni di dati, un riaddestramento ogni trimestre. Sono i numeri del modello di intelligenza artificiale che Pictet Asset Management ha messo alla base dei primi quattro ETF attivi della gamma Pictet-AI Enhanced, quotati pochi giorni fa a Piazza Affari. Ma per Gabriele Susinno, head of Quantitative Research, la prima cosa da chiarire è quello che il modello non fa: prevedere il futuro. Bisogna capire di cosa si parla. L’intelligenza artificiale è, per Susinno, “una galassia di algoritmi che servono a delegare a un computer attività difficili per la mente umana ma razionalizzabili”. Il punto di partenza è spostare l’attenzione dagli approcci quantitativi focalizzati sui fattori di stile, come value, momentum o size, ricercando alpha nella selezione dei singoli titoli. “Tutti questi stili e fattori sono catturati in modo egregio dai modelli tradizionali sugli ultimi vent’anni”, osserva Susinno. “Non c’è ragione di pensare che l’intelligenza artificiale ci consenta di fare qualcosa di migliore, perché sono i fattori a dominare il segnale”. Pictet toglie allora di mezzo i movimenti comuni ai titoli e cerca “quella componente di rendimento che è solo associata all’identità dell’azienda, per essere quella che è e per esserci arrivata con la sua storia”.

L’immagine scelta è quella di una sala affollata: la voce di una persona esiste, ma è coperta dal brusio di tutte le altre. I modelli classici la archiviano come rumore. Secondo Susinno non lo è, ma per estrarla servono strumenti capaci di andare oltre le due o tre relazioni che la mente umana riesce a tenere assieme. Il modello ne incrocia circa 400, tra fondamentali, dinamiche di prezzo e indicatori di sentiment, e viene riaddestrato ogni trimestre su quindici anni di dati per stimare il rendimento a un mese di ciascun titolo. Perché il vantaggio, precisa Susinno, non sta in un algoritmo segreto, visto che molti dei modelli più sofisticati sono pubblici, ma in come lo si costruisce, lo si addestra e lo si integra nel processo di investimento. Un’infrastruttura, quella che sostiene il modello, che unisce oltre dieci anni di ricerca quantitativa, dati proprietari selezionati e strutturati internamente, controllo del rischio e una piattaforma tecnologica pensata per garantire autonomia, sicurezza e continuità operativa. Sono ancora pochi i gestori, nota l’esperto, in grado di mostrare un’applicazione realmente operativa dell’AI e risultati misurabili nel tempo.

📰 Leggi anche “WM, dall’innovazione di prodotto a quella di processo“

Un esercito di analisti virtuali

Nel concreto, Susinno parla per metafore di una foresta di alberi decisionali. Ogni albero prende i dati e cerca la combinazione migliore per prevedere il rendimento a un mese, come un analista che davanti a un problema nuovo mette in campo esperienza e informazioni. Nessuno, però, è infallibile. Da qui l’idea di far cooperare gli alberi: “Assumo un secondo analista con una job description molto precisa: lavorare col primo concentrandosi sui suoi punti deboli, così che insieme facciano meglio del migliore dei due presi da soli. Poi un terzo, poi un quarto”. Nel computer, aggiunge, la cooperazione arriva a un livello impossibile per gli esseri umani, “perché abbiamo i nostri bias, i nostri guru, le nostre debolezze”. È da qui che nasce il piccolo segnale che permette di battere l’indice restandogli vicini.

Neutrali alle notizie

Il risultato non è un prodotto che insegue la cronaca. La parte di rendimento individuata dal modello, sottolinea Susinno, “non dipende dal Big Beautiful Bill di turno, dalle elezioni americane, da cosa decidono iraniani o israeliani”, ma solo da come quell’azienda si comporta nel suo contesto. Lo dimostra l’episodio citato dalla società di gestione: tra febbraio e marzo, con l’attacco statunitense all’Iran, il contributo maggiore all’alpha non è arrivato da petrolio ed energia, come ci si sarebbe potuti attendere, ma da software, finanziari e healthcare. Resta la domanda su che cosa renda un ETF attivo diverso da un altro. Per Susinno questi strumenti sono veicoli che tengono insieme adattabilità gestionale, quotazione giornaliera, liquidità, trasparenza e accesso a strategie attive a costi inferiori rispetto a un prodotto tradizionale. La differenza sta nel perché si sceglie l’uno piuttosto che l’altro: sono mattoni, che si possono usare da soli o combinare “per costruire di volta in volta la casa appropriata per il cliente”. Mattoni da affiancare o sostituire a un blocco passivo, per esempio un ETF sull’S&P 500 a parità di profilo di rischio. Le scelte restano comunque in capo ai gestori, che fissano obiettivi e vincoli di rischio e ne supervisionano il comportamento. “L’intelligenza artificiale non è una scorciatoia: non basta comprare una tecnologia, il valore nasce da anni di ricerca, dalla qualità dei dati e dalla capacità di trasformarli in portafogli reali”. Del resto, conclude l’esperto, “i portafogli non si fanno chiedendo a ChatGPT qual è il miglior portafoglio”.

.

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”.