Nel corso degli ultimi anni, il mondo finanziario sta esplorando l’introduzione di modelli di intelligenza artificiale con l’obiettivo di estrapolare indicazioni di valore da grandi quantità di dati, con livelli di precisione e profondità impensabili per l’uomo. A differenza dei tradizionali modelli quantitativi, l’intelligenza artificiale introduce una maggiore flessibilità che permette di cogliere l’evoluzione del mercato, anche se è buona prassi non spingersi verso approcci eccessivamente “black box”. Nel rispetto del concetto appena espresso, il modello presentato ha come obiettivo quello di individuare le variabili macroeconomiche premiate in un determinato intervallo temporale ed i titoli che beneficiano della spinta derivante da questo trend di fondo.
Financial Markets Signal Detection with Bayesian Networks - Phd DREAMT - Work...
A.I. & Stock Selection: Quali sono i titoli caldi?
1. A.I. & Stock Selection:
Quali sono i titoli caldi?
Alessandro Greppi, PhD
2. “
I believe this artificial intelligence is
going to be our partner. If we misuse
it, it will be a risk. If we use it right, it
can be our partner.
Masayoshi Son
3. I mercati finanziari sono
sistemi in cui la complessità è
«in movimento»
Le dinamiche sono influenzate
dall’ interazione competitiva
tra i numerosi operatori
La Complessità dei Mercati
4. Disponibilità di una
grande quantità di
informazioni generata da
fonti non convenzionali
Necessaria la definizione
di nuove metodologie
per estrapolare, gestire e
processare i dati
I Big Data
6. L’intelligenza artificiale (A.I.)
è l’abilità di un sistema
tecnologico di risolvere
problemi o svolgere compiti e
attività tipici degli umani
Ideale per analizzare sistemi
complessi, come i mercati
finanziari
L’ Intelligenza Artificiale
7. Il problema della generazione di performance
o È sempre più complesso generare alpha
o Modelli quant tradizionali evidenziano alcune rigidità
o Intelligenza Artificiale (A.I.) consente maggiore flessibilità rispetto ai
modelli tradizionali
o A.I. permette di sfruttare anche dati “alternativi”
Nonostante il suo potenziale, A.I. in sé non è la soluzione a tutti i problemi
8. A.I. per individuare trend «di fondo»
Abbiamo applicato A.I. per identificare i titoli «sostenuti» da
dinamiche riconducibili ad una serie di grandezze
finanziarie
9. A.I. ma con moderazione
L’intelligenza artificiale a
supporto nel processo di
estrazione di indicazioni dai
mercati finanziari
A.I. : Attenzione! Usare con cautela
Perché non esagerare
L’adozione di modelli
eccessivamente sofisticati
necessita di una quantità
enormi di dati di cui
difficilmente si dispone:
Rischio overfit !
10. Le variabili in input sono derivate
dall'osservazione dell'ambiente;
quelle in output, identificano la
decisione da intraprendere
Ogni nodo verifica una condizione
su una particolare variabile
dell'ambiente e ha due o più
diramazioni
La decisione finale si trova nei
nodi terminali
Alberi Decisionali
11. La Metodologia
Dati
o Storico prezzi dei
titoli
o Storico dati macro
(prezzi petrolio, oro,
Dollar Index…)
o Storico financials dei
titoli
o Classificazione
settoriale dei titoli
Analisi
o Calcolo correlazione
tra variabili macro e i
settori
o Selezione di un
intervallo di tempo e
del livello di
complessità degli
alberi decisionali (da
1 a 3 variabili per
albero)
Output 1
o Il modello restituisce
un elenco di variabili
«premiate» dai
mercati finanziari
nell’intervallo
indicato
Output 2
o L’algoritmo propone
una serie di titoli
«caldi» in base al
trend individuato
nell’intervallo
selezionato
12. 100 titoliinseriti nel database appartenenti a SP500 e con mkt. cap. maggiore
180.000
alberi decisionali generati per simulazione
30 variabiliassociate a grandezze macro, di mercato o di bilancio
13. Come funziona il modello
Simulazione con modello a 3 variabili per albero decisionale
14. Si indica un intervallo
temporale da analizzare:
dal 1 Gennaio al 31 Marzo ‘18
E’ possibile selezionare il
numero di variabili per
albero: da 1 a 3
Step 1: Selezione dell’intervallo
15. Albero ad 1 variabile
o I titoli sono ordinati in base alla
variabile associata a quel ramo
o Permette di capire l'importanza
di una singola variabile
o Dalla lista si sceglie il primo 20%
dei titoli
Modello a 1 vs. Modello a 3 variabili per albero
Albero a 3 variabili
o Complessità non oltre 3 variabili
per albero
o Permette di capire come una
variabile si combina con altre
o Dalla lista si sceglie il primo 20%
dei titoli
16. Il modello elabora una
serie di combinazioni di
variabili
Variabile_High (Low): i
titoli si ordinano in senso
decrescente (crescente)
rispetto alla variabile in
questione
Step 2: Individuazione delle variabili
17. Le variabili selezionate nello
step 2 sono inserite nel box
«Variable for stocks
selection»
Questo passaggio innesca il
processo di selezione dei
titoli
Step 3: Processo di selezione