a cura di Kelony

La digitalizzazione del mondo coinvolge anche la finanza.

La maggior parte delle transazioni finanziarie vengono ormai operate da macchine e non più manualmente. Questa realtà ha determinato le condizioni di nascita di una nuova disciplina: il “financial computing”, o più semplicemente “Fin-com”, che applica metodi computazionali, algoritmi e tecnologie informatiche alla risoluzione di problemi concreti nel settore finanziario, come la valutazione del rischio, l’ottimizzazione di portafogli e l’analisi predittiva dei dati finanziari che verranno.

La difficoltà principale nello sfruttamento di tali strumenti di alta tecnologia digitale sta nella necessità di congiungere due specializzazioni che non sempre collimano, né si incontrano: la finanza e l’alta matematica computazionale, a monte dei modelli di Ai che vengono integrati. Questo problema determina il momento storico in cui la finanza globale si trova sospesa tra la promessa del progresso e l’incertezza del rischio tecnologico. Emerge quindi la necessità di un nuovo paradigma che allinei la comprensibilità umana dei modelli e la loro trasparenza con le performance e la loro sostenibilità nel tempo.

È in questo contesto che si colloca la Fin-com. Vale la pena vederne i meandri, perché questi strumenti, se compresi, costituiscono potenti leve per assistere gli investitori e i gestori patrimoniali che vogliono muoversi, anche nel rispetto della normativa nazionale e del nuovo Ai Act europeo, la legge che regola l’intelligenza artificiale con un approccio basato sul rischio e sulla responsabilità etica.

Dalle trincee  al trading

L’idea della Fin-com non nasce nei laboratori delle big tech, ma sul campo di battaglia: la sua prima architettura risale alla fine del 1997 e fu sviluppata in un contesto operativo e decisionale dove la rapidità di reazione poteva fare la differenza tra sopravvivenza e disastro.

Era un progetto che anticipava i modelli moderni di Ai predittiva, molto prima che si parlasse di Ai generativa, un altro ramo sviluppato da Yann LeCun che ha grande visibilità, ma meno applicazioni in ambito finanziario. Differenziandosi dai modelli moderni di Ai predittiva che sfruttano in finanza la loro  forza nel superare le logiche deterministiche e quelle della casualità statistica (logiche tipiche dell’Ai generativa).

l’Ai generativa non serve

Oggi, alcune banche e società di investimento utilizzano l’Ai generativa per velocizzare rapidi report, generare codici o analizzare testi. Tuttavia, proprio secondo un recente rapporto  del Systemic Risk Centre della Lse, l’adozione indiscriminata di questi sistemi sta creando grande sconforto e divari tra il risultato atteso e quello realmente conseguito.

L’Ai generativa si basa su ciò che è accaduto, cioè lavora su base statistica; l’Ai predittiva post-stocastica, invece, quando utilizzata nei sistemi più evoluti di Fin-com, reagisce a ciò che sta accadendo. È una differenza paragonabile a quella tra medico generalista e specialista: entrambi utili, ma solo uno sa dove incidere per salvare il paziente senza comprometterne la salute.

continua a leggere