Anche quando si usano metodi di machine learning, molte scelte devono essere comunque prese. Contributo a cura di Paolo Viale, CAIA, senior vice president, Client Advisory di Winton. Contenuto sponsorizzato.
Per accedere a questo contenuto
Contributo a cura di Paolo Viale, CAIA, senior vice president, Client Advisory di Winton. Contenuto sponsorizzato.
Le strategie di investimento di Winton sono definite sistematiche perche’ utilizzano algoritmi per determinare le posizioni sui mercati finanziari. A prima vista, l'investimento sistematico può sembrare oscuro e complicato, soprattutto se paragonato con lo stile di investimento dei gestori discrezionali che spesso usano analisi soggettive e aneddoti per spiegare le loro decisioni. In realtà è vero il contrario: gli algoritmi sono sistemi di regole per l'elaborazione dei dati, che rispondono alle nuove informazioni in modo consistente e ripetibile. La precisione di queste regole ci permette di valutare quali portafogli i nostri algoritmi avrebbero scelto in una determinata fase storica dei mercati finanziari, e perché.
Immaginate quanto sarebbe difficile fare questo per i gestori discrezionali, cioè riuscire a discernere con precisione le loro anticipazioni e reazioni ad eventi avvenuti più di 50 anni prima. In ogni caso sarebbe necessaria una serie di dubbie assunzioni per azzardare anche solo un'ipotesi. La semplicità di un algoritmo sta nell’eliminare la necessità di tali supposizioni eroiche, consentendoci di eseguire back-test che aiutino a distinguere un vantaggio a lungo termine da un evento casuale. Possiamo anche eseguire simulazioni di stress-test delle crisi passate sui nostri portafogli.
Sistematico vs. Automatico
Nel descrivere ciò che significa essere sistematici, si potrebbe pensare che tutte le decisioni di investimento possano essere prese dai computer, in modo completamente automatizzato. Ci si potrebbe chiedere perché quindi abbiamo bisogno delle persone nell'era dei Big Data. Tuttavia sistematico non significa e non dovrebbe mai significare completamente automatizzato. Per fare un esempio: come progettiamo e scegliamo i nostri algoritmi? Gli sviluppi del machine learning e dell'intelligenza artificiale potrebbero consentire a un computer di selezionare i migliori sistemi di investimento per noi. Ma anche se così fosse, questo spingerebbe a monte di un solo grado in piu’ la necessità di coinvolgere una persona nel processo decisionale. Anche quando si utilizzano metodi di machine learning, molte decisioni che riguardano la scelta dei modelli devono essere necessariamente prese da data scientist o ricercatori esperti.
Alcuni compiti possono essere completamente automatizzati. Un esempio è il calcolo delle statistiche di rischio su tutte le asset class e settori dei nostri portafogli. Per analisi così complesse e ricorrenti si può sfruttare la potenza di calcolo dei computers. Ma l'interpretazione di queste statistiche di rischio è ancora meglio lasciarla alle persone. Infine, gli esseri umani devono assumersi la responsabilità dei risultati generati dai modelli. In Winton, questa responsabilità viene attribuita ad un teamdi senior invesment managers , che approva o meno le decisioni prese in base ad algoritmi innovativi codificati da strategists e ricercatori. Questa struttura mantiene la responsabilità decisionale, limitando al contempo i pregiudizi e le emozioni soggettive.
Collaborazione uomo-macchina
Il libro Deep Thinking dell'ex campione di scacchi Gary Kasparov, che ripercorre la storia della sua sconfitta contro il programma per computer Deep Blue della IBM, ci ricorda che ancora oggi un giocatore decente con un computer standard può battere il miglior "supercomputer programmato specificatamente per gli scacchi". Allo stesso modo, invece di dare autonomia alle macchine, i team di ricerca e di investimento di Winton utilizzano tecnologie avanzate in ogni fase del processo di investimento. Anche i dati, la base dei nostri sistemi di investimento, devono avere una qualità garantita. Non importa quanto sia intelligente l'algoritmo, le informazioni inutili in entrata si tradurranno in dati senza senso in uscita. Quando i computer segnalano problemi, il cervello umano è ancora meglio posizionato per incrociare queste irregolarità con altre fonti di dati, alle quali la macchina potrebbe non avere accesso.
Questa combinazione di test fatti sia da persone che da programmi computerizzati produce un output di qualità superiore. Come abbiamo visto, i computer eccellono in alcuni compiti specifici di gestione degli investimenti e i notevoli progressi tecnologici degli ultimi 30 anni hanno permesso ai gestori sistematici come Winton di ottenere track records importanti. Eppure è ancora la combinazione di uomini e macchine che continua ad offrire il metodo più robusto per la gestione attiva degli investimenti.
Per maggiori informazioni su Winton consultare il seguente link: www.winton.com/
