Ci aspettiamo molto dall’intelligenza artificiale (IA): Spotify seleziona i brani per la tua playlist. Il tuo telefono ha imparato a riconoscere il tuo viso, anche se sei spettinato. E le auto a guida autonoma, ci viene promesso, sono dietro l’angolo. Ma ecco qualcosa che probabilmente non avremo mai: un computer per battere il mercato azionario.

Non è per mancanza di interesse per la parte di Wall Street. Lo sforzo di modellare scientificamente i mercati, iniziato a metà degli anni ’80, ha assorbito i talenti di alcuni dei più brillanti laureati in matematica e informatica. Una manciata di gestori segreti di hedge fund – tra cui Renaissance Technologies , PDT Partners e DE Shaw – hanno avuto ricavi straordinari. Ma molte delle principali operazioni di oggi, sono le stesse di decenni fa. E probabilmente non sei abbastanza ricco o connesso per investire in questo modo.

Per definizione, la maggior parte degli investitori non può battere il mercato azionario e ogni computer che trova momentaneamente una formula vincente dovrà presto affrontare altri che cercano di superarlo. Ma si scopre che investire è anche semplicemente più difficile di, ad esempio, prevedere il tuo prossimo acquisto su Amazon. “È uno dei problemi più difficili nell’apprendimento automatico delle macchine”, afferma Ciamac Moallemi, professore alla Columbia Business School e preside alla Bourbaki LLC . Qui ci sono solo alcuni dei problemi diabolici che gli ingegneri finanziari stanno cercando di risolvere:

I dati continuano a cambiare

Un esempio di dati stazionari potrebbe essere la distanza tra l’occhio sinistro e il naso. A meno che tu non faccia un intervento di chirurgia plastica, è una costante. Se una macchina viene alimentata con centinaia di foto, sarà in grado di identificarti con un’elevata precisione.

Nei mercati finanziari, i dati possono cambiare drasticamente e in modi senza precedenti, ad esempio quando i tassi d’interesse sono diventati negativi in ​​gran parte dell’Europa e del Giappone nel 2013. Altri cambiamenti possono essere più banali.

C’è più rumore che segnale

Gli stock si muovono continuamente e non sempre per una ragione visibile. La maggior parte delle mosse di mercato sono ciò che gli economisti chiamano noise trading. Per tornare all’analogia del riconoscimento dell’immagine, immagina un computer che cerchi di identificare le persone nelle foto scattate al buio. La maggior parte dei dati in queste immagini sono pixel neri che si confondono nel rumore di fondo.

Un segnale ovvio, ad esempio, per comprare azioni il primo giorno di ogni mese, non è di grande utilità. Se questo ha funzionato in passato, probabilmente era solo un colpo di fortuna, e anche se non lo fosse, sarà presto scoperto e scambiato da altri. Così i ricercatori si sono concentrati su segnali molto deboli, quelli che potevano prevedere il prezzo futuro con solo il 51% di certezza. “Stavamo cercando modelli che fossero appena ai margini del rilevamento”, afferma Whitney. La maggior parte degli investitori non può trarre vantaggio da tali modelli. Per farli funzionare, i money manager devono combinare migliaia di scommesse e ingrandirle con la leva finanziaria – investendo con denaro preso in prestito.

Migliorare le previsioni, anche di poco

La previsione può essere migliorata solo di poco, costringendo i trader a cercare altri vantaggi. Nell’investire, un problema proficuo da risolvere sono i costi di transazione.

Il costo evidente della transazione è la commissione che il broker addebita. Ma c’è anche qualcosa chiamato slippage, che rappresenta il prezzo quotato – $ 135 per una quota di IBM Corp. , ad esempio – essendo relativo al numero di azioni che si desidera acquistare. Potresti riuscire a comprare solo 100 azioni a $ 135; acquistare 1.000 azioni richiederebbe un prezzo più alto per attirare nuovi venditori. Il costo medio potrebbe quindi essere $ 136. L’unico modo per conoscere il vero prezzo, con lo slippage, è di negoziare sul mercato.

Senza la comprensione dei costi di transazione, un’azienda potrebbe scambiare solo 1.000 azioni, per non rischiare troppo slittamenti. Una società che sa, con una probabilità dell’80%, che si possono comprare 5.000 azioni senza spostare il mercato può fare una scommessa più grande. Molti nel settore dicono che Renaissance ha la comprensione più avanzata dei costi di transazione, e questo è un segreto per il suo ineguagliabile track record.

Per guadagnare ulteriormente, alcuni manager fanno trading ad alta frequenza, così possono agire da market maker, guadagnando denaro sia da acquirenti che da venditori. Ma altrettanto importante è la tempistica d’esecuzione di queste piattaforme. Per battere il mercato azionario è come se Warren Buffett avesse i propri trader seduti sul pavimento della Borsa di New York piuttosto che usare una società di intermediazione. Quei trader lì seduti potrebbero dirgli cose sull’umore della borsa che i mediatori non saprebbero mai.

I rumori di fondo per battere il mercato azionario

Per quanto gli hedge fund stiano usando i computer per battere il mercato azionario e il riconoscimento dei pattern, trovare nuovi segnali di mercato è ancora uno sforzo umano. I manager impiegano enormi staff, a volte centinaia di trader, e partecipano a conferenze per reclutare nuovi laureandi promettenti.

Per costruire un sistema di investimento veramente autonomo, in cui il computer stia pensando a segnali e strategie da provare per battere il mercato azionario, i ricercatori probabilmente dovranno risolvere il problema della causalità. Ciò significa non solo notare che, ad esempio, un aumento di un determinato stock è spesso accompagnato da un aumento dei tassi di interesse, ma anche dalla possibilità di giungere ad un motivo. Gli umani sono bravi in questo tipo di pensiero, ma l’IA ha iniziato solo ora a fare progressi.

Un altro metodo, noto come deep learning, ha guidato i recenti progressi nell’IA, come il riconoscimento dell’immagine e la traduzione vocale. Questo sistema affronta il problema del rumore prevedendo non i prezzi delle azioni, ma i cambiamenti nei fondamentali aziendali, come i margini di profitto, che alla fine determinano i rendimenti.

La natura contraddittoria del commercio significa che la maggior parte degli sviluppi rimane avvolta nella segretezza. Ciò rende gli scienziati di alta qualità difficili da reclutare. Gli scienziati amano pubblicare e collaborare. “Amiamo scoprire cose nuove sui mercati e avere una grande comunità di persone all’interno dell’azienda con cui siamo in grado di condividere risultati, ma sfortunatamente non possiamo comunicarli a nessuno”, afferma Pete Muller, fondatore di PDT Partners LLC , un pioniere nel settore.

L’utilizzo di computer per battere il mercato azionario è una sfida davvero difficile, ma non penso sia impossibile. Sicuramente è una ricerca affascinante e, vista l’attrazione della razza umana per il denaro, durerà ancora per molto tempo.