Come l’apprendimento automatico può cambiare il modo di investire

Technology Reply Financial Services ha sviluppato uno Use Case basato sulle tecnologie del Machine
Learning e dell’apprendimento automatico, per predire l’andamento dei titoli azionari.

CONTESTO

Nell’ultimo decennio abbiamo assistito, all’estero più che in Italia, a una rivoluzione, tutt’ora in corso, che coinvolge l’investitore e l’intermediario finanziario: la consulenza finanziaria automatizzata. La prima società di intermediazione finanziaria a puntare sull’automatizzazione della consulenza finanziaria fu Betterment, fondata nel 2008, che introdusse il concetto di robo-advisor.
I robo-advisor sono una tipologia di consulenti finanziari che forniscono consulenze finanziarie o gestione di investimenti online con un intervento umano da moderato a minimo. Forniscono una consulenza finanziaria digitale basata su formule matematiche o algoritmi eseguiti direttamente da un software che non richiede un consulente umano. Il software utilizza i suoi algoritmi per distribuire, gestire e ottimizzare il patrimonio del cliente.

A seconda del livello di automazione e della tipologia di cliente al quale ci si rivolge, un robo-advisor può:

sostituire la figura del consulente finanziario tradizionale nei rapporti tra la società di intermediazione finanziaria e l’investitore (ambiente B2C);
affiancare il consulente finanziario tradizionale nell’erogazione dei servizi all’investitore (ambiente B2B).

I servizi di robo-advisory apportano dei vantaggi a discapito della tradizionale consulenza:

Comodità di utilizzo del servizio in quanto disponibile 24/7;
Riduzione dei costi di intermediazione sostenuti dall’investitore;
Maggiore facilità di ingresso nel mercato finanziario per i piccoli investitori.

USE CASE

Le attività sono state volte alla creazione di un modello in grado di predire l’andamento dei titoli azionari delle società quotate in borsa, operando su serie temporali finanziarie e su tutti i fattori ad esse legate.
Questo modello è rivolto alle società di intermediazione finanziaria (ambiente B2B) affinché supporti il servizio di consulenza fornito agli investitori.

Il modello si basa su cosa può fare un investitore, ovvero:

Investire su nuovi titoli;
Cambiare investimento passando da un titolo ad un altro;
Vendere senza comprare nuovi titoli;
Non effettuare alcuna variazione al suo portafoglio.

Uno dei principali fattori alla base delle decisioni prese dall’investitore è sicuramente l’andamento dei titoli. Di conseguenza, se un consulente finanziario avesse a disposizione una loro stima potrebbe migliorare qualitativamente il servizio di consulenza che fornisce agli investitori. Per esempio, potrebbe consigliare di vendere o di aumentare l’investimento su alcuni titoli già presenti nel portafoglio del cliente prima ancora che questi cambino andamento in negativo o positivo.

Altri fattori decisivi per la variazione di prezzo di un titolo possono provenire al di fuori del mercato finanziario. Per esempio, la notizia che l’anno finanziario si è chiuso con un ricavo maggiore del previsto può far aumentare il valore delle azioni dell’azienda. Viceversa, la notizia di un difetto di fabbrica in una serie di prodotti potrebbe far scendere il valore delle azioni. Un investitore e un intermediatore finanziario nelle loro valutazioni devono necessariamente considerare anche questo tipo di notizie, per tale ragione il modello prevede nelle sue evoluzioni la componente di integrazione delle feed news.

SOLUZIONE

L’andamento del prezzo di una determinata azione si può immaginare come una sequenza cronologica di valori numerici.

Per tal ragione, una serie temporale è lo strumento perfetto per la rappresentazione della variazione del prezzo di un’azione o di un insieme di esse al trascorrere del tempo, dove il tempo può essere scandito da una granularità giornaliera, settimanale o mensile.

Considerando che all’interno di un intervallo temporale, che sia giornaliero o superiore, il prezzo può variare diverse volte, è opportuno fissare un istante di riferimento per effettuare l’osservazione; ad esempio l’apertura o la chiusura delle borse. Si potrebbero anche scegliere diversi istanti di riferimento per poi effettuare un’operazione di aggregazione come la media, per esempio.

Per le attività di livello medio-basso sono stati generati dei dati sintetici, mentre per quelle avanzate sono stati adottati dati reali.

Dati sintetici (portafoglio cliente, serie storiche prodotti); [livello medio]
Dati reali (serie storiche azioni di circa 400 titoli). [livello medio-avanzato]

La soluzione è raggiungibile attraverso i seguenti passi:

Compressione di serie temporali: rappresentare una serie temporale in maniera più compatta per analisi successive (es. clustering) mediante modelli “sequence to sequence”;
Predizione dell’andamento: prevedere se un’azione chiuderà in positivo o in negativo attraverso l’utilizzo di modelli basati sia su numeri che su immagini;
Classificazione documenti ed estrazione parti più importanti: l’obiettivo è costruire un unico modello che riesca ad effettuare una classificazione di documenti e news e allo stesso tempo estrarre le parti più importanti (es. parole, frasi e paragrafi) in maniera non supervisionata.

VANTAGGI

Un intermediario finanziario o financial advisor che decide di avvalersi del modello presentato, in primo luogo vedrebbe facilitarsi il processo decisionale che lo porta a consigliare ai clienti una determinata operazione rispetto a un’altra.
La consulenza fornita tenderebbe a essere più accurata e ciò porterebbe a una sua maggiore efficacia.
La soddisfazione del cliente tenderebbe, così, ad aumentare portando a una maggiore fidelizzazione.
Inoltre, si potrebbe fornire assistenza basilare a ogni cliente e a qualsiasi orario di qualunque giorno della settimana evitando, grazie dell’automatizzazione, un aumento dei costi di erogazione di tale servizio se questo dovesse avvenire in via tradizionale.