Come la tecnologia sta cambiando gli investimenti finanziari
Nel campo dell’informazione, qualunque sia il suo scopo finale, per una corretta strutturazione del processo di Data Mining bisogna tener ben presente che la semplice descrizione dei dati non fornisce un piano d’azione.
È necessario costruire un modello previsionale basato sugli andamenti che discendono dai risultati conosciuti e poi testare tale modello su dati diversi da quelli dell’esempio iniziale, al fine di evitare una mera ottimizzazione su dati conosciuti e verificarne l’effettiva validità e robustezza statistica.
Per quanto ben strutturato e realizzato, infatti, un buon modello non dovrebbe mai essere confuso con la realtà (così come una cartina stradale non è una rappresentazione perfetta della vera strada), ma può costituire un’utile guida per capire meglio il proprio business.
Difatti, il Data Mining non elimina la necessità di conoscere il proprio business, di comprendere i dati, o di capire i metodi di analisi. Più semplicemente, è un importante strumento che assiste gli analisti del business nel trovare degli andamenti e delle relazioni tra i dati osservati.
Vuoi rimanere aggiornato sugli articoli del blog e sui nostri approfondimenti?
La capacità di gestione del Data Mining
Senza una corretta indicazione, il Data Mining difficilmente riuscirà a scovare le migliori relazioni intercorrenti tra cause ed effetti. E’ per questo motivo che bisogna sottolineare come queste metodologie assolutamente innovative non tendono a sostituire analisti e managers, quanto piuttosto a fornir loro un nuovo e valido strumento utile a migliorare il proprio lavoro.
Se vuoi approfondire il tema del Data Mining leggi il nostro articolo “Che cos’è il data mining e come trova applicazione nella finanza?”
Gli analisti, infatti, non solo dovranno essere in grado di padroneggiare le tecniche e gli algoritmi che il Data Mining metterà loro a disposizione, ma dovranno anche possedere una profonda conoscenza dei fenomeni che avranno generato i dati oggetto dell’analisi.
Come affermato da specialisti del settore, le chiavi del successo di un modello di Data Mining sono tre:
Le tre chiavi di successo di un modello Data Mining
- La precisa formulazione del problema da analizzare: Questa fase di indirizzamento è fondamentale per guidare l’intero processo di analisi e ricerca verso le informazioni utili.
- La disponibilità e l’utilizzo di dati appropriati, nell’immensa moltitudine di dati da analizzare è importante poter arrivare a dati di ogni livello e, inoltre, poterli trasformare e combinare tra loro.
- Una corretta e bilanciata integrazione tra strumenti di analisi e strumenti di rappresentazione delle informazioni estrapolate dall’analisi, per evitare squilibri troppo orientati in un senso o nell’altro.
I Modelli di Data Mining
Il passo finale per l’effettiva adozione di un particolare modello di Data Mining, sarà la verifica empirica del modello.
IBM ha identificato due tipologie differenti di modelli di Data Mining:
- Verification Models: utilizzati per verificare la validità delle ipotesi formulate a priori dall’utente sulla base dei dati disponibili.
- Discovery Models: modelli che delegano ai sistemi informatici l’importante compito di individuare le informazioni nascoste nei dati.
Quest’ultimo approccio è caratteristico del Data Mining, ed ha portato (grazie all’evoluzione dei sistemi di organizzazione e gestione dei dati) a quello che viene definito “Machine Learning”, una particolare forma di Intelligenza Artificiale basata sull’autoapprendimento, che si occupa della realizzazione di sistemi e algoritmi basati sulle osservazioni o esempi per la sintesi di nuova conoscenza, ottenuti grazie ad una stretta cooperazione tra il mondo statistico e quello informatico.
Gli obiettivi della Machine Learning
L’obiettivo di questo tipo di soluzioni, è quello di rispondere a situazioni di difficile soluzione mediante algoritmi tradizionali, tipicamente dovute alla presenza di uno o più fattori quali:
- Difficoltà di formalizzazione;
- Elevato numero di variabili;
- Mancanza di teoria: esempio calzante per i mercati finanziari, per i quali non esistono leggi matematiche note che ne regolino con esattezza l’andamento.
Tutto quello che devi sapere sul Machine Learning racchiuso in un’infografica a cura di 4Timing SIM
Scaricala ora gratuitamente
Continui investimenti sulle soluzioni per i Big Data
Si stima che per i prossimi anni gli investimenti in soluzioni per i Big Data avranno un tasso di crescita atteso di ca. il 600%, ed è per questo che alcuni fondi di venture capital stanno investendo in start-up di questo settore e che alcuni giganti della tecnologia, come IBM, Oracle e SAP, stanno da qualche tempo muovendosi sul mercato con importanti acquisizioni.
Se sei interessato a saperne di più sui Big Data, leggi anche il nostro articolo “Trend following: qual è il legame con i Big Data e il Data Mining?”
La conferma dell’interesse da parte di colossi del mondo finanziario ed informatico, infine, rappresenta la cartina di tornasole di come l’industria del risparmio gestito, tra robo-advisor, Data Mining e Big Data stia intraprendendo un percorso di automatizzazione nella gestione degli investimenti sia per quanto concerne la definizione degli asset strategici su cui posizionarsi, per i risparmiatori e per gli addetti ai lavori, sia per quanto riguarda la ricerca di relazioni statistico-matematiche-comportamentali che possano anticipare con breve preavviso i movimenti dei mercati.
Che cosa ne pensano i risparmiatori?
La convinzione che ancora aleggia, tra i risparmiatori e spesso anche tra gli stessi operatori professionali, che quindi influenza il retaggio comune, è che queste nuove tecnologie rappresentino una sorta di “black box” criptiche ed oscure, che rischiano di prescindere dalle decisioni ed ingegno critico proprio dell’essere umano. In altre parole, si ritiene che la discrezionalità dell’uomo protegga dalla temuta e temibile scatola nera associata di diritto alla macchina e ai suoi derivati.
Condivisa pare essere l’idea che l’uomo, dal canto suo, sia certamente più trasparente nelle scelte che compie.
La relazione tra l’uomo e i modelli automatizzati
In realtà è proprio l’uomo che determina e struttura ciò che la macchina di fatto esegue, conferendo ai modelli automatizzati di data mining la natura di “white box”, laddove l’uomo resta centrale con la sua esperienza, intraprendenza e competenza. 4Timing SIM, da sempre, sostiene il beneficio che può derivare dal connubio fra la mente umana ed i metodi computazionali, che permettono di risolvere problemi complessi, raramente risolubili per via analitica. D’altro canto, la totale assenza della componente umana, nel dirigere attivamente e tessere le fila fra l’ammontare grezzo di dati, rende l’algoritmo inevitabilmente fragile.
Approfondisci il tema della relazione uomo-macchina leggendo il nostro articolo “Data Mining: meglio l’uomo o la macchina? Le riflessioni di 4Timing SIM”.
Appurato che è l’uomo ad influenzare e determinare le scelte in base alle proprie conoscenze e alle sue idee, la macchina non solo è un valido supporto per la loro implementazione, ma è fondamentale per incrementarne il grado di solidità.
Infatti, solo attraverso un atteggiamento critico, sostenuto da un’opportuna strumentazione, possiamo renderci conto di quanto una strategia di gestione, che all’apparenza sembra portare a dei risultati ineccepibili, si possa facilmente e rapidamente rompere.
Come la scienza e la tecnologia si rapportano agli investimenti finanziari
Da sempre crediamo nell’applicazione della scienza e della tecnologia nell’ambito degli investimenti finanziari. Riteniamo che i movimenti dei mercati finanziari siano il risultato del comportamento umano, complesso e mutevole nel tempo. Analizzando i dati dei mercati finanziari tramite metodi statistici non studiamo solo modelli di previsione del comportamento, ma anche le evidenze di come i mercati mutano.
Non crediamo che i mercati finanziari seguano un insieme fisso di regole: cerchiamo piuttosto di comprenderli attraverso l’analisi di dati statistici. Questo approccio comporta un processo d’investimento disciplinato in cui le decisioni vengono sistematizzate sulla base di una serie di regole codificate in un programma.
Il machine learning al servizio dei mercati finanziari
Alla base della nostra ricerca nel campo dei mercati finanziari, attraverso le più sofisticate tecnologie di machine learning, due sono le colonne portanti:
- L’approccio sistematico, rispetto ad un approccio discrezionale, si esplica nella strutturazione chiara e trasparente dei passaggi effettuati, con il vantaggio di poterne misurare la loro affidabilità attraverso la fase di test.
- Il “metodo scientifico”, la modalità tipica con cui la scienza procede per raggiungere una conoscenza della realtà oggettiva, affidabile, verificabile e condivisibile, oltre che in grado di allontanare e proteggere dall’atteggiamento discrezionale dell’uomo. Esso consiste, da una parte, nella raccolta di evidenze empiriche attraverso l’osservazione del mercato; dall’altra, nella formulazione di ipotesi e teorie da sottoporre al vaglio dell’esperimento per testarne l’efficacia.
Concludendo, riteniamo che in futuro il vero vantaggio competitivo appartenga a chi dispone delle più sofisticate tecnologie di estrazione dei dati. L’uomo resta determinante nell’influenzare e indirizzare la ricerca e l’analisi, mentre la macchina lo coadiuva, rendendolo tangibilmente consapevole della fragilità di certe convinzioni.
Chief Marketing Officer & Business Development Manager 4Timing SIM
“Per aspera ad astra“
Curioso per natura, nelle mie esperienze professionali ho sviluppato competenze differenti tra loro, condividendo ed acquisendo know-how in uno scambio che mi ha consentito di crescere nel corso degli anni, come professionista e come persona. Negli ultimi 13 anni mi sono dedicato alla Consulenza Finanziaria e nel 2015 sono entrato in 4Timing per realizzare, insieme agli altri soci fondatori, 4Timing SIM: un intermediario indipendente che rappresenta una boutique per il Consulente che vuole evolversi professionalmente e per l’investitore che desidera un rapporto professionale innovativo e di alto livello.
