Gli algoritmi sostituiranno i grandi investitori?
Gli investitori del futuro
Cosa hanno in comune Warren Buffet e George Soros con “Sniper” e “Night Vision”? Semplice, sono quattro grandi investitori!
Gli ultimi due che ho citato sono tra i più famosi e proficui algoritmi di investimento basati su machine learning. Il fenomeno degli algoritmi “trader” sta prendendo sempre più spazio ed è un trend destinato a crescere sempre più, ma sono davvero così infallibili?
Gli “investitori sintetici” sono famosi per la capacità di “riuscire ad imparare da sé stessi”, ossia riuscire ad aggiustare il tiro andando ad analizzare gli errori commessi in precedenza, proprietà derivante appunto dal machine learning, ma è sempre valido tutto ciò?
Il mondo della finanza è molto mutevole, una situazione che si manifesta oggi non potrà mai ripetersi in maniera uguale domani. Tutto ciò si collega quindi a quegli eventi che ci portano ad avere inversioni di tendenza più o meno inaspettate, che non sono solo i famosi “Black Swan”, ma anche accadimenti relativamente più banali. Tutti ricorderanno Elon Musk che fuma una canna in diretta e Tesla che il giorno dopo cala a picco! Quale algoritmo avrebbe potuto prevederlo?
Prima di entrare più nello specifico è doveroso fare qualche precisazione di natura più tecnica.
In finanza esiste un fenomeno chiamato correlazione, che lega sostanzialmente il valore di due titoli in maniera positiva o negativa: l’impennata di un titolo, nel primo caso, trascina la crescita di un altro, mentre, nel secondo, lo fa scendere.
Altro fattore di cui tenere conto è la propensione al rischio del singolo investitore, che va ad influenzare quanto sarà disposto a rischiare in termini economici, ma anche quali tipologie di rischio vorrà accollarsi. Ecco spiegato perché alcuni comprano Bitcoin ed altri Buoni del Tesoro.
Se andassimo quindi ad analizzare il Value Investing, metodo utilizzato da Warren Buffet, che opera sul lunghissimo termine, si concluderebbe che sarebbe completamente replicabile da un algoritmo di machine learning ben sviluppato. Questo verosimilmente riuscirebbe a ripetere le prestazioni dell’Oracolo di Omaha ricevendo un danno minimo dagli avvenimenti dannosi per gli investimenti, poiché, nel caso in cui il titolo abbia basi solide, dopo il rally discendente esso tenderebbe a tornare al suo prezzo di equilibrio.
Situazione totalmente opposta riguarda George Soros, noto per i suoi investimenti ultra aggressivi, che hanno messo in ginocchio le economie nazionali di numerosi Stati. Come fa Soros a scegliere le proprie vittime? Cerca chiaramente delle falle, siano esse di sistema o d’ opera umana. Potrebbe un algoritmo fare la stessa cosa? Ragionando teoricamente sì, in maniera pratica un po’ meno; ma, seppure ci riuscisse, sarebbe etico creare un’arma (perché è ciò di cui parliamo) in grado di mettere in ginocchio potenzialmente qualsiasi economia mondiale? Se sì, chi dovrebbe possederla?
Mettendo i fenomeni da parte, cosa accadrebbe affidandosi a “filosofie” d’investimento più classiche? Probabilmente il portfolio di una persona poco propensa al rischio verrebbe “ammazzato” da un evento altamente impattante, dato che un rally negativo farebbe alzare la percezione di rischio di quel singolo individuo che, avendo poca propensione al rischio, preferirà rimetterci piuttosto che avere la possibilità di perdere tutto.
E se ci si trovasse dal lato opposto? Senza la valutazione umana un soggetto “Risk Taker” si troverebbe ad affrontare un rischio potenziale sensibilmente maggiore rispetto a quello atteso, poiché verrebbe a mancare l’istinto dell’individuo che, in molti casi soprattutto ad alti livelli, spesso premia. Ad esempio, visto il testa a testa alle Elezioni del Presidente USA, chi di voi avrebbe acquistato titoli americani?
In conclusione, non c’è un punto di vista migliore dell’altro, i desk di day trading (transazioni aperte e chiuse nella stessa giornata) sono praticamente dominati dagli algoritmi, che diventano sempre più precisi grazie al progresso tecnologico, ma ad oggi probabilmente la mano dell’uomo è ancora necessaria.
