Axyon Ai: «Si può gestire con l’Ai anche se si è piccoli»

Axyon Ai, società di software specializzata in applicativi di intelligenza artificiale per le società di investimento, afferma che si può operare anche con investimenti limitati

L’ultimo decennio ha visto un’esplosione dell’uso di algoritmi riconducibili all’alveo dell’intelligenza in una marea di campi. Non fa eccezione l’asset management, dove il machine learning da qualche anno gioca un ruolo sempre più importante. Dall’individuazione di strutture fortemente non lineari nei dati finanziari ed economici all’uso di dataset alternativi, le possibilità sono quasi infinite.

In questo ambito l’approccio utilizzato da Axyon Ai, società di software di Modena specializzata in applicativi per le società di investimento, offre diversi spunti interessanti. Interessante appare al riguardo quanto dichiarato da Francesca Campanelli, responsabile commerciale del gruppo. «I nostri algoritmi sono basati sul cosiddetto auto machine learning. Creiamo dei segnali, incentrati su tecniche come gli algoritmi genetici, che possono essere trasformati in autentiche strategie di investimento».

Un aspetto decisamente interessante si ritrova nell’ambito in cui tale infrastruttura viene applicata. Sempre Campanelli, infatti, afferma: «La nostra tecnologia proprietaria è adattata per diversi asset finanziari e crypto. In particolare in quest’ultimo ambito pensiamo di fornire un forte valore aggiunto. Ciò perché si tratta di attività per così dire sintetiche, prive di un marcato elemento umano e di identificabili fondamentali economici».

L’uso di tecniche che rientrano in ambito quantitativo non rappresenta una novità nell’ambito dei servizi finanziari, asset management incluso. Campanelli, però, sostiene che l’intelligenza artificiale presenta un vantaggio strutturale rispetto alla statistica classica. Nello specifico, si riferisce a una minore dipendenza da bias umani. «Molti modelli quantitativi si basano su assunti scelti da esseri umani. Nel nostro caso invece partiamo direttamente dai dati, tentando di capire che cosa rivelano. Ovviamente dall’altra parte vi è il rischio di overfitting».

 

L’argomento dati costituisce poi un altro tema cruciale da affrontare. Notoriamente diversi titani della gestione hanno investito cifre colossali per acquisire database alternativi di ogni genere. Come può dunque una start-up competere con chi si può permettere simili economie di scala? La risposta di Campanelli su questo punto è significativa: «È vero che molti player si concentrano sull’avere a disposizione una mole enorme di dati. Dal nostro punto di vista, però, è più importante capire cosa farne. I dati, infatti, vanno comunque ingegnerizzati e usati nel contesto giusto. Lì gioca un ruolo decisivo la qualità dei propri modelli».

Se dovessimo dunque riassumere potremmo dire qualità, più che quantità.