L'uomo al centro di ogni cosa ma con il giusto supporto attorno. La logica dell'utilizzo dell'intelligenza artificiale potrebbe essere proprio questo, anche nel caso degli investimenti. "I nostri investitori sono consapevoli che dietro ai modelli c’è sempre l'uomo, che rimane la figura centrale nel processo di costruzione e analisi dei dati: individua i fattori rilevanti (fondamentali, basati sul prezzo), addestra gli algoritmi, sviluppa strategie sistematiche di stock picking e attiva un processo di analisi per prendere le migliori decisioni di investimento. Nel nostro approccio, la trasparenza e la giusta interpretazione dei dati sono la chiave per generare alpha", spiega Nicolas Jamet, gestore di RAM Active Investments.
Perché usare l'intelligenza artificiale
"RAM AI ha da sempre applicato metodi all'avanguardia per sviluppare strategie sistematiche e, l’utilizzo dell’intelligenza artificiale è stata una logica conseguenza del nostro approccio. Negli ultimi anni, la democratizzazione di un'elevata potenza di calcolo, le librerie open-sourced (TensorFlow di Google, Pytorch di Facebook…), su cui il team ha fatto leva per costruire processi proprietari, e l’aumento esponenziale dei database disponibili per addestrare algoritmi di Machine Learning, ci hanno permesso un rapido sviluppo" spiega il gestore. "RAM-AI sta applicando l'intelligenza artificiale a molteplici processi, in particolare per il miglioramento del nostro processo di selezione dei titoli; l'integrazione di centinaia di fattori garantisce l’interazione di dati non lineari con letture a più ampio spettro e per l'analisi e l'integrazione di dati non strutturati (non numerici), come i file di testo. Grazie al Natural Language Processing (NLP), possiamo espandere la nostra gamma di dati da analizzare, come per esempio i flussi di notizie in tempo reale".
Sul banco di prova della sostenibilità
Il flusso di informazioni che provengono dall'universo legato alla sostenibilità è potenzialmente sterminato e alquanto variegato. "Grazie alla nostra infrastruttura di Machine Learning, i dati ESG sono stati perfettamente integrati nei nostri modelli di selezione titoli. Riusciamo a catturare le interazioni tra dati finanziari e non finanziari e integriamo efficientemente le informazioni di dati strutturati e non strutturati, basando le decisioni di investimento su più punti di vista. Il nostro approccio è in grado di individuare l'attrattività di un'azienda che mostra forte valore e caratteristiche ESG, eliminando automaticamente l’esposizione sui titoli con un flusso negativo di notizie ESG" analizza il gestore di RAM AI.
Questo porta la società a integrare elementi di sostenibilità in tutti i fondi, mantenendo intatti i principi fondamentali. "Come per tutti gli altri tipi di dati, costruiamo un robusto flusso di informazioni ESG, combinando fonti di diversi fornitori terzi e creando personalizzazioni. Abbiamo quindi una vasta gamma di dati caratterizzanti relativi al clima, come le emissioni storiche di CO2, la traiettoria dell'impronta di carbonio e la prontezza di affrontare la transizione. I nostri algoritmi sono in grado di identificare i migliori titoli all'interno di ogni settore, per questo i portafogli RAM possono esibire un forte profilo ambientale pur mantenendo una diversificazione settoriale ottimale. Monitoriamo anche il flusso di notizie ESG per identificare in tempo reale le potenziali controversie e anticipare i rischi specifici dei titoli. Il nostro processo, chiamato ESG2Risk è stato descritto in un white paper pubblicato nel 2020. Sfruttando la nostra integrazione ESG basata sull'AI, abbiamo lanciato l'anno scorso un fondo azionario incentrato sulla transizione climatica in tutti i settori: il RAM Stable Global Equity Fund", conclude James.
