Sfruttare le capacità predittive nei mercati del Corporate Credit
Come Generali e Data Reply innovano l'asset management con analytics Quantum-Inspired.
,allowExpansion)
SCENARIO
Innovare i sistemi finanziari
con il Quantum Computing
In un contesto finanziario sempre più complesso e in rapidissima evoluzione, Generali Asset Management S.p.A. Società di gestione del Risparmio (“GenAM”), uno dei principali asset manager europei, ha cercato di migliorare il modo in cui identifica e gestisce le interdipendenze all’interno dei portafogli di obbligazioni societarie. I tradizionali modelli di rischio spesso non riescono a cogliere le relazioni dinamiche e non lineari che si sviluppano tra gli emittenti, soprattutto in fasi di mercato volatili o in cambiamento. L’obiettivo di GenAM era andare oltre i modelli di correlazione statica e sviluppare un sistema predittivo in grado di anticipare quando e come asset di credito intrinsecamente interconnessi si influenzano a vicenda. Questo consentirebbe ai risk e portfolio manager di individuare in anticipo i rischi di concentrazione e costruire portafogli più resilienti e diversificati.
LA SOLUZIONE
Integrare QUBO e machine learning per l'efficienza finanziaria
Per affrontare questa sfida, GenAM ha collaborato con Data Reply per sviluppare un sistema basato su AI che applica tecnologie quantum-inspired per prevedere e visualizzare forti relazioni causali tra emittenti di credito. La soluzione si fonda su un approccio ibrido che integra machine learning, modellizzazione della volatilità e ottimizzazione quantum-inspired, permettendo di generare network di asset predittivi e data-driven.
Il sistema combina la competenza di GenAM nel financial modelling con le capacità di Data Reply in ambito di ottimizzazione e formulazione QUBO. In particolare, GenAM ha contribuito con il modello GARJI per elaborare dati di serie storiche e catturare le variazioni specifiche dei segnali finanziari, codificandole all’interno di una struttura a network.
Questi dati vengono poi tradotti — tramite una formulazione QUBO (Quadratic Unconstrained Binary Optimisation) sviluppata da Data Reply — in un grafo di dipendenze predittive. Sfruttando MegaQUBO, il framework proprietario di Reply per il calcolo quantum-inspired su larga scala, il modello identifica le relazioni più probabili tra emittenti di corporate bond.
Il risultato è un network dinamico e interpretabile che offre a risk e portfolio manager una vista intuitiva di come gli asset di credito possano influenzarsi reciprocamente nel tempo. Anticipando potenziali effetti di contagio o di clustering, il sistema supporta una costruzione del portafoglio più informata e strategie di mitigazione del rischio più efficaci. La sua architettura modulare e scalabile garantisce compatibilità con dati in evoluzione e nuovi casi d’uso.
L'Impatto del Quantum sui mercati finanziari
Il progetto dimostra come l’AI quantum-inspired possa aumentare profondità e qualità delle analisi finanziarie. Consentendo un’identificazione più precisa delle interdipendenze tra emittenti, la soluzione contribuisce a migliorare la diversificazione del credito e rafforza la capacità di GenAM di reagire all’incertezza dei mercati. Lo strumento è già stato adottato in produzione dal team di investimento di GenAM e sta aprendo la strada a un uso più esteso di advanced AI nell’asset e risk management.
Part of Generali Investments, Generali Asset Management è uno specialista europeo degli investimenti, che offre un'ampia gamma di fondi attivi e soluzioni su misura sia nei mercati pubblici che privati. L'esperienza di investimento si basa su una solida eredità, con competenze che sono state sviluppate e affinate nel tempo gestendo gli attivi del Gruppo Generali e quelli di clienti esterni. Patrimonio gestito: 450 miliardi di euro (al 30 giugno 2025).
Data Reply is the company of the Reply group that offers excellence services for Big Data and Artificial Intelligence. Operating across most Industries and business functions, we support executive-level professionals and Chief Officers to derive value from data. We build Data Platforms, define and implement ML and AI models efficiently, replicably, and scalably, through people with high skills in Big Data Engineering, Data Science, and Intelligent Process Automation.