Questa intelligenza artificiale ti dà consigli per giocare in borsa

ll trade e il machine learning sono fatti l'uno per l'altra. Entrambe le attività sono basate sull'analisi di dati fumosi nel tentativo di individuare pattern da sfruttare per eseguire delle previsioni. La relazione è talmente forte che esistono anche dei corsi universitari incentrati sull'applicazione del machine learning al trading. Di sicuro, molti informatici hanno subito il fascino di questo "lato oscuro".

Di solito, un'intelligenza artificiale che si occupa di trading è usata per costruire modelli basati su enormi volumi di dati finanziari: le medie delle variazioni di valore delle azioni, le medie del volume degli scambi commerciali, i trend generali del mercato, la volatilità del mercato ecc. Tutti questi dati sono disponibili e piuttosto semplici da tradurre in feature utili per creare modelli di machine learning, ma gli stessi prezzi delle azioni dipendono da molti più fattori rispetto al loro semplice andamento storico. In pratica, anche il mercato dipende dal mondo reale

Sembra quasi banale ricordarlo, ma considerando il trading puramente come un problema matematico, è facile dimenticare che le azioni sono connesse a società che producono e vendono i loro prodotti nel mondo IRL. E questa IRLnezza è estremamente difficile da comprendere per un algoritmo, per non parlare delle previsioni sui suoi sviluppi futuri. Tuttavia, Triumph Asset Management, società che gestisce investimenti, sperimentando un nuovo sistema che analizza grandi volumi di news in cerca di indicatori che possono essere incorporati all'interno dei modelli predittivi.

Probabilmente, mi sarei dovuto aspettare che la presentazione di Triumph alla GPU Technology Conference nella Silicon Valley sarebbe stata affollata, ma la grande quantità di persone che stava a malapena nel centro congressi era un po' sorprendente. A questo punto, devo supporre che non bisogna mai sottovalutare il lato oscuro.

A parlare era il data scientist di Triumph Rafael Nicolas Fermin Cota, che ha illustrato un framework capace di analizzare un articolo di news ogni 3 ms, masticando centinaia di migliaia di articoli all'ora, un compito che non molto tempo fa avrebbe preso delle settimane. La risorsa esplorata è il sentimento in economia — una metrica quantitativa comune che, in questo caso, si basa sull'utilizzo dell'elaborazione del linguaggio naturale per valutare se una news che tratta di una particolare azienda dice qualcosa di positivo o negativo in merito.

Triumph è in grado di effettuare valutazioni del sentimento significative grazie all'algoritmo GloVe, una tecnica sviluppata recentemente a Stanford. Lo strumento prende in input del testo (come un articolo di news) analizzandone la co-occorrenza di parole o la frequenza con cui i gruppi di parole appaiono uno accanto all'altro. Le statistiche di co-occorrenza vengono quindi utilizzate per determinare le sottostrutture dai dati di testo che sostanzialmente rappresentano il significato ad un livello superiore alle singole parole. (Il metodo più meccanico per fare l'analisi del sentimento è procedere parola per parola, capire se sono positive o negative e fare una somma del tutto.)

Dopo aver metabolizzato una grande quantità di articoli di news che esprimono diversi sentimenti — e poi determinando se questi sentimenti possono "influenzare il mercato"—un trader dovrebbe sapere se è un buon momento o meno per vendere o acquistare un titolo. E, secondo Triumph, il loro sistema presenta una precisione del 76%. Non male.

Comunque, sempre riguardo a tematiche simili, l'IA riesce a battere gli umani a poker. Addio, fortuna.