Simone Caenazzo (partner di Riskcare) e Andrea Casati (director di xTech), parte del gruppo Bip Consulting, raccontano come alcune tecniche di intelligenza artificiale, in particolar modo gli algoritmi genetici, stiano rivoluzionando diverse funzioni del processo di investimento, dall’asset allocation alla gestione del rischio. Si tratta di tecniche che cambiano in maniera profonda l’approccio ai mercati rispetto alle possibilità che attualmente offrono anche i migliori programmi che operano nell’asset management.

Quali sono i meccanismi di base degli algoritmi genetici? Come mai hanno questo nome che rimanda alla biologia, più che al mondo digitale?

Andrea Casati: «Gli algoritmi genetici prendono il loro nome dal fatto che sono strutturati in maniera tale da imitare l’evoluzione della vita sulla terra: gli elementi caratterizzati da una maggiore presenza di varianti nel Dna che favoriscono la sopravvivenza tendono a prevalere e diffondere il loro patrimonio cromosomico nella discendenza. Queste tecniche di machine learning, appunto, replicano questo meccanismo, generando iterativamente popolazioni casuali che vengono valutate da una funzione obiettivo (detta di fitness), in base ai punteggi ottenuti e a regole prestabilite. In concreto, questi individui vengono fatti, per così dire, accoppiare fra loro e ciascuna coppia genera due “figli”. Il meccanismo poi si ripete in continuazione generando un processo di ottimizzazione e introducendo anche la possibilità di mutazioni casuali, fino a che non viene raggiunta una convergenza a un elevato punteggio della funzione di fitness».

Come si applica questo approccio ai processi di ottimizzazione di portafoglio? C’è un riscontro operativo in termini pratici?

Simone Caenazzo: «L’idea è nata dal feedback ricevuto da alcuni clienti che operano nell’asset management e che si trovavano a gestire mandati da parte di clienti istituzionali con molti vincoli da rispettare decisamente stringenti. Riuscire a ottimizzare l’asset allocation in presenza di così tante limitazioni attraverso una soluzione matematica del problema è impossibile. L’alternativa più ovvia era generare una grande quantità di portafogli con le cosiddette simulazioni Montecarlo, nelle quali diverse combinazioni di investimenti vengono messe insieme imitando tecniche casuali. Fra esse si scelgono poi quelle che sono conformi alle richieste dei clienti e che hanno le caratteristiche migliori di rischio e rendimento. Si tratta, però, di un approccio estremamente dispendioso in termini computazionali, perché si procede essenzialmente alla cieca, con la necessità, quindi, di avere a disposizione un numero enorme di possibili allocazioni tra le quali trovare le soluzioni. Gli algoritmi genetici, invece, permettono di restringere velocemente il campo ai portafogli di maggiore qualità».

continua a leggere