a cura di Kelony

Nel numero precedente, abbiamo esplorato come l’essenza della finanza del futuro, plasmata dall’intelligenza artificiale predittiva, risieda nei “topoi” contemporanei: quei vasti spazi di dati e algoritmi verso i quali le informazioni confluiscono e si trasformano.

Abbiamo iniziato a raccontare come questi ultimi stiano ridefinendo il panorama finanziario, tracciando un parallelo tra le loro radici antiche e le loro applicazioni moderne. In questa seconda parte, ci addentreremo nelle implicazioni pratiche e nelle prospettive future di questa rivoluzione.

Dopo avere gettato le basi concettuali, ora è tempo di esaminare come i principi discussi si traducono in realtà nel mondo finanziario odierno. Esploreremo come l’intelligenza artificiale predittiva stia cambiando il modo in cui vengono prese le decisioni di investimento, gestiti i rischi e sviluppati nuovi prodotti finanziari. 

Analizzeremo casi di studio concreti, mettendo in luce sia i successi, sia le sfide incontrate nell’implementazione di queste tecnologie. Discuteremo anche delle implicazioni etiche e normative, considerando come la società possa adattarsi a un futuro in cui l’intelligenza artificiale gioca un ruolo sempre più centrale nella finanza.

Infine, cercheremo di delineare le possibili traiettorie future, immaginando come i “topoi” finanziari continueranno a evolversi e a plasmare il nostro rapporto con il denaro e gli investimenti.

Le costanti invarianti

La finanza tradizionale ha affidato da sempre il proprio destino a grandi moli di dati passati, facendone la base di regressioni, stime di volatilità e correlazioni. I cambi di regime rappresentano tuttora un osso duro: il futuro non è necessariamente simile al passato e lo abbiamo sperimentato in numerose crisi (dai subprime ai flash crash). 

Molte tecniche di previsione, inoltre, si fondano su ipotesi di stazionarietà o quasi-stazionarietà che in finanza risultano spesso poco realistiche. Neppure i più moderni algoritmi di machine learning ne sono immuni: per quanto siano sofisticati e capaci di individuare pattern invisibili, possono peccare di mancanza di interpretabilità o di adattarsi troppo ai dati passati (overfitting).

Così si rischia di “catturare” un’illusoria regolarità che, una volta cambiato il contesto, si rivela priva di significato. Lo si è sperimentato anche di recente, quando le tecniche di previsioni finanziarie tradizionali sono state significativamente impattate dalla comunicazione e dall’introduzione di nuove regole commerciali come i dazi dell’amministrazione Trump.

Gli impatti specifici sulle previsioni finanziarie sono stati: un aumento della volatilità nei mercati, una rivalutazione degli scenari di rischio, perdite impreviste e di conseguenza approccio prudente.

Il mercato è un sistema interconnesso e stratificato.

Un movimento iniziale, causato magari dal ribilanciamento di un grande fondo, può nascere in modo circoscritto e crescere a ondate successive, finché non diventa visibile a tutti. Grazie al principio “locale-globale”, caro a Grothendieck, un’analisi categoriale consente di tenere d’occhio micro-alterazioni a livello locale (per esempio, in un singolo settore o in un preciso orizzonte temporale) e di capire come tali alterazioni possano ripercuotersi sul resto del sistema. 

continua a leggere