Con questa intervista ad Andrea Casati, principal data scientist responsabile del mercato financial services di Bip xTech, continua la collaborazione fra Fondi&Sicav e la maggiore società di consulenza italiana. Il gruppo ha costruito il più vasto team di data scientist nel nostro Paese, attivo su tutte le industry. In particolare, nel mondo dei financial services, fornisce servizi e soluzioni innovative basate su dati e intelligenza artificiale al comparto dell’asset management. In questo incontro l’attenzione è concentrata su applicazioni e potenzialità dei cosiddetti dataset alternativi. 

Si sente spesso parlare di dataset alternativi: che cosa si intende? 

«Nel perimetro di dati alternativi rientra qualsiasi tipo di informazione, tipicamente dataset voluminosi e destrutturati, che non faccia parte del tradizionale flusso di metriche finanziarie strutturate, quali prezzi e volumi derivanti dalla contrattazione sui mercati. Come discusso nell’articolo precedente in relazione alla nostra collaborazione con Ematrend e la loro soluzione Hft Scanner, anche dati derivati con trasformazioni complesse da quelli tradizionali possono essere considerati dati alternativi. I principali hedge fund e investitori istituzionali, soprattutto oltre oceano, utilizzano da tempo queste informazioni per la generazione di alfa e per una migliore gestione del rischio. Ci sono molte aziende tecnologiche a livello mondiale che forniscono dati di questo tipo. Ad esempio, la start-up americana Quandl, a oggi Nasdaq Data Link, nacque nel 2013 e fu uno dei principali attori in quest’ambito. La stessa JP Morgan pubblicò nell’ormai lontano 2017 un report “Big Data and Ai Strategies” di quasi 300 pagine sull’utilizzo di dati alternativi per la creazione di strategie di investimento, con un’appendice che censiva centinaia e centinaia di fonti di dati alternativi».

Quale può essere la loro utilità nell’alveo di una moderna gestione di portafoglio e perché sono rilevanti oggi?

«L’esigenza dei dati alternativi nasce dalla sempre più accesa competizione sui mercati finanziari e dalla costante ricerca di driver di investimento distintivi in ottica di ritorno e soprattutto di diversificazione. Le grandi case d’investimento tipicamente utilizzano qualsiasi informazione a disposizione, quantitativa o qualitativa, per generare sovraperformance o creare prodotti altamente decorrelati col mercato. I dati alternativi sono semplicemente un’altra preziosa fonte d’informazione, spesso altamente complessa, ma per questo motivo, anche una grande fonte di opportunità. Riguardo all’importanza dei dati, Peter Norvig, uno dei padri fondatori dell’intelligenza artificiale, si espresse dicendo: “More data beats clever algorithms, but better data beats more data”. I dati alternativi rappresentano a oggi una delle fonti più importanti di innovazione e vantaggio competitivo per il settore dell’asset management. Il grande problema dei dati alternativi, finora, era lo storico ridotto: come sappiamo, lo sviluppo di modelli di intelligenza artificiale necessita di una quantità significativa di dati storici per potere creare modelli accurati e robusti. Oggi ci troviamo di fronte a uno scenario in cui i dati alternativi hanno raggiunto la maturazione in termini di qualità e presentano uno storico sufficientemente profondo per essere utilizzati proficuamente anche tramite modelli di Ai e con la possibilità di eseguire backtest significativi. Da non dimenticare, poi, i giganteschi passi in avanti fatti nello sviluppo di modelli di intelligenza artificiale negli ultimi anni, soprattutto in ambito testo, immagini e video».

continua a leggere