L’AuM (Asset under Management) comprende tutti i fondi normalmente gestiti da un’organizzazione finanziaria. Esso rappresenta una forma di gestione dell’investimento di denaro in titoli e strumenti finanziari per conto dei propri clienti, con l’obiettivo di creare una plusvalenza di valore in un preciso lasso di tempo (breve, medio o lungo termine). Le nuove tecnologie, in particolare l’AI, in un decennio in cui margini bassi, alta pressione e concorrenza crescente hanno trasformato e ridotto le opportunità offerte dai gestori patrimoniali – si stanno convertendo in leve strategiche per gestire complessità relative alle decisioni di investimento e di trading, all’esperienza del cliente e alla gestione del rischio.
Siamo di fronte a uno spartiacque, ovvero: gli operatori finanziari che utilizzeranno sempre più la tecnologia e che aumenteranno i ricavi e l’AuM rispetto a coloro che rimangono indietro, rischiando di perdere il proprio vantaggio competitivo e quote di mercato. Di fatto, si tratta di comprendere il valore aggiunto scaturito dall’integrazione dell’AI nel processo di investimento, in termini di minori errori e uso più efficiente delle risorse. Tuttavia, l’evidenza mostra che l’AI, pur essendo uno strumento molto utile nella gestione del portafoglio, richiede una stretta supervisione umana e la gestione rigorosa di alcuni aspetti delicati per evitare di incorrere in determinati rischi.
Come l’AI può far crescere l’AuM
L’uso massivo dei dati, unitamente al cambiamento dei modelli di business e delle attitudini agli investimenti, sta riconfigurando il moderno sistema finanziario. Molti operatori finanziari stanno sempre più adottando nuove tecnologie, che si convertono in leve strategiche per mantenere – o acquisire – un vantaggio competitivo e soddisfare clienti sempre più esigenti; inoltre, l’accesso alle nuove tecnologie e al know-how specializzato costituiscono i principali driver che stanno avvicinando sempre più il sistema bancario e l’ecosistema fintech.
Un recente articolo della rivista online “The AI Journal” evidenzia che esiste un effettivo legame tra l’adozione dell’AI e la crescita dell’AuM, confermato anche dallo studio di Deloitte ThoughtLab “Wealth & Asset Management 4.0” da cui si evince che investitori istituzionali tradizionali, family office, banche private o gestori patrimoniali che hanno adottato nuove tecnologie a supporto del proprio processo di investimento hanno registrato un aumento medio della produttività del 14%, con una crescita di AuM di oltre l’8% e ricavi del 7%. Ovvero, l’introduzione dell’AI nel processo di investimento offre valore sia ai clienti finali sia alla redditività aziendale.
Un ulteriore effetto positivo dell’AI a livello aziendale è riscontrabile nell’automazione delle attività a basso valore aggiunto, consentendo alle risorse umane di svolgere compiti di “maggior valore” con ripercussioni significative sui ricavi e sulla produttività.
L’innovazione dell’AuM
I gestori patrimoniali, per far fronte alla crescente domanda di soluzioni “adattive” ed efficienti di investimento hanno instaurato collaborazioni con advisor indipendenti per creare i primi fondi di investimenti certificati e mandati basati su AI. In questo modo il gestore patrimoniale è in grado di controllare lo scenario degli investimenti, i vincoli e l’esecuzione della strategia di investimento, beneficiando degli input dell’AI per la costruzione del portafoglio. L’AI, quindi, consente di allineare il posizionamento dell’investimento rispetto all’evoluzione dei mercati finanziari grazie a una gestione adattiva del rischio e un ribilanciamento tattico, riuscendo così a gestire l’elevata volatilità che ha caratterizzato e caratterizza i mercati negli ultimi anni.
Evoluzione degli operatori finanziari: cosa ci attende
Gestione del portafoglio
Le capacità di riconoscimento dei modelli dell’AI e dell’apprendimento automatico sono messe a frutto per valutare quali titoli devono rimanere nel portafoglio e quali no. L’apprendimento automatico determina la relazione tra rischi e rendimenti associati a ciascun titolo dopo aver valutato migliaia di fattori come la salute finanziaria dell’azienda, la tolleranza al rischio e le prestazioni storiche o stagionali delle azioni di un particolare settore. I suggerimenti continuano a migliorare in efficacia attraverso l’apprendimento continuo e la valutazione delle tendenze del mercato azionario.
Gli strumenti di gestione patrimoniale basati sull’AI, oltre alle tendenze quantitative, utilizzano anche dati qualitativi provenienti da Internet, come previsioni finanziarie, notizie e post sui social media. Di fatto, l’AI, considerando le variabili di rischio (come la perdita di proprietà ipotecate, il fallimento, e gli aspetti qualitativi) è in grado di valutare – con l’aiuto dell’analisi predittiva – i tipi di azioni che possono scendere drasticamente senza alcuna probabilità di rialzo
Gestione della conformità
Gli algoritmi di AI possono essere addestrati per identificare le informazioni normative fornite tramite avvisi pubblici e preparare un rapporto con le informazioni. Inoltre, gli operatori possono utilizzare l’AI per rilevare i cambiamenti nelle linee guida sugli investimenti dai documenti ufficiali presenti online, quali ad esempio dichiarazioni di politica di investimento, ecc. Pertanto, grazie all’AI e all’apprendimento automatico si acquisiscono, “puliscono” e analizzano più serie di dati per semplificare i sistemi di avviso di conformità, oltre a gestire efficacemente risorse e investimenti, automatizzando la gestione delle modifiche ogni volta che ci sono cambiamenti normativi (risparmiando così pesanti multe di non conformità) e mitigando gli errori umani nella gestione.
Robo-advisory
La robotica, uno dei principali campi sottoinsiemi dell’AI, è promettente nel campo della gestione patrimoniale. Si tratta di piattaforme di investimento che effettuano operazioni per conto di un investitore utilizzando le risposte ai sondaggi e algoritmi. Gli algoritmi che un robo-advisor utilizza per gestire il tuo portafoglio si basano sulla Modern Portfolio Theory (MPT) che cerca di selezionare gli investimenti per massimizzare i rendimenti entro un livello di rischio accettabile attraverso la diversificazione. Le informazioni fornite a un robo-advisor, inclusa la propria età, la tempistica di investimento e alcuni indicatori della propria propensione al rischio, vengono inserite nell’algoritmo basato su MPT per trovare il portafoglio ideale all’interno dei tipi di asset offerti dal robo-advisor.
I robo-advisor differiscono principalmente per la loro complessità e le loro offerte di asset, oltre alle differenze principali nei costi e nel quantitativo minimo di investimento. Inoltre, i robo-advisor più avanzati possono gestire più portafogli, con ogni portafoglio che rappresenta un obiettivo di investimento e una sequenza temporale diversi. Queste attività di acquisto diretto possono includere azioni, obbligazioni, fondi gestiti ecc.
Luci e ombre dell’AI nell’AuM
Le tecniche di AI, se da un lato contribuiscono a costruire portafogli basati su previsioni di rischio e rendimento più accurate, oltre a individuare nuovi trend ed eseguire operazioni con costi di transazione inferiori, dall’altro lato possono creare nuovi rischi e nuove sfide in termini di gestione patrimoniale.
Alcuni potenziali problemi negativi dell’AI sono spesso correlati sia alla complessità, all’opacità della tecnologia sia alla qualità e quantità dei dati. Pertanto, comprendere e spiegare le inferenze prodotte dalla maggior parte dei modelli di AI potrebbe risultare difficile, se non addirittura impossibile. Ne consegue che, man mano che la complessità dell’algoritmo cresce, l’opacità può rendere inefficace la supervisione umana e generare diversi problemi, quali:
- difficoltà nel prevedere come i modelli di AI risponderanno alle evoluzioni imprevedibili o eventi “cigno nero” con conseguenti “crash” sistematici. Inoltre, anche in assenza di eventi importanti, gli algoritmi di AI potrebbero incorrere in errori, introducendo a cascata il rischio di “crash” del mercato. E ancora, il considerevole costo di produzione di algoritmi di AI ha indotto la maggior parte delle società di gestione patrimoniale a utilizzare gli stessi strumenti e algoritmi che possono generare interruzioni anomale e “crash” algoritmici a cascata, senza dimenticare che l’opacità dell’AI può impedire che tali rischi vengano adeguatamente modellati e monitorati.
- l’intelligenza artificiale può prendere decisioni sbagliate basate su inferenze errate dovute a pattern spuri o trascurabili derivati dai dati utilizzati e, nel caso di utilizzo di Artificial Neural Network (i.e. Reti Neurali Artificiali – ANN) addestrate a scegliere titoli con rendimenti attesi elevati – portare alla selezione di titoli illiquidi e in sofferenza.
- la garanzia di performance degli investimenti può diventare più difficile quando si utilizzano modelli di AI dal momento che l’analisi del profilo di rischio – ampiamente utilizzata e basata su modelli a fattori lineari – potrebbe non essere adatta alle strategie basate sull’AI che intercettano relazioni non lineari in termini di caratteristiche e rendimenti. Di conseguenza, in caso di scarsa performance del fondo, spiegare agli investitori come e perché la strategia di investimento ha fallito potrebbe essere difficile e contribuire a minare la fiducia degli investitori nel fondo o addirittura nel settore.
- la qualità e la quantità di dati disponibili possono essere altre importanti fonti di preoccupazione, in quanto i modelli di AI si basano sull’integrità e la disponibilità dei dati e, quando la qualità dei dati stessi non è garantita può facilmente innescare ciò che è notoriamente descritto come “garbage in, garbage out“. Pertanto, fattori quali la qualità e la sufficiente quantità dei dati diventano particolarmente importanti.
- il crescente utilizzo dell’AI nel settore degli investimenti e la dipendenza dei gestori patrimoniali da essa per le attività quotidiane potrebbero aumentare ulteriormente il rischio di sicurezza informatica dei gestori patrimoniali.
Conclusioni
L’uso dell’AI nell’AuM è destinato a crescere e a evolversi dal momento che può convertirsi in una leva strategica nella gestione degli investimenti, nel trading e nella gestione del rischio di portafoglio, consentendo al settore di essere più efficiente e conforme alle aspettative.
I modelli di AI sono altamente efficienti nello svolgimento di attività ripetitive e in grado di identificare dei modelli all’interno dei numerosi dati a disposizione che potrebbero non essere percepibili dagli esseri umani. Di fatto, l’AI può anche analizzare i dati con una conoscenza minima della struttura dei dati stessi o della relazione tra input e output in termini di previsione, producendo stime più accurate. Inoltre, l’AI può estrarre informazioni da fonti di dati non strutturati, come articoli di notizie, post online, rapporti e immagini e incorporare un’enorme quantità di informazioni nell’analisi finanziaria. Senza dimenticare che gli algoritmi di AI, a differenza di altre tecniche statistiche, sono spesso progettati per migliorare sé stessi riadattandosi in base ai dati ed evitano la riconfigurazione manuale o la rivalutazione dei parametri che è essenziale per i modelli tradizionali.
Ma le ombre sono in agguato quando la qualità dei dati è scarsa oppure il compito che viene eseguito è troppo complesso per gli esseri umani da monitorare o comprendere, senza dimenticare che potrebbero verificarsi guasti sistemici a cascata a causa di diversi algoritmi di AI che reagiscono tra loro.
Si auspica che l’AI utilizzata nell’ambito della gestione patrimoniale e nell’AuM sia confinata e controllata da una qualche forma di supervisione umana dal momento che è indispensabile creare un AI “benefica” in modo tale da evitarne l’uso improprio e garantire che operi all’interno di limiti sicuri. Ovvero, chi sviluppa l’AI dovrebbe assumersi le proprie responsabilità operando contro i rischi derivanti dalle innovazioni tecnologiche.
Come afferma Luciano Floridi – professore ordinario di Filosofia ed Etica dell’Informazione all’Università di Oxford e all’Alma Mater Studiorum Università di Bologna – è indispensabile comprendere le trasformazioni tecnologiche in atto per disegnarle e gestirle nel modo migliore attraverso uno sforzo collettivo di intelligenza.
Insomma, adelante ma con juicio.
