L’IA è un potente strumento di analisi dei dati, ma le manca l’”intelligenza
generale” per essere qualcosa di più. Intervista a James Waters, Data
scientist senior.
IN BREVE
- Grazie all’aumento esponenziale del volume di dati e della potenza di calcolo, è possibile ottenere un vantaggio negli investimenti tramite un’interpretazione più rapida e accurata delle informazioni.
- Columbia Threadneedle Investments mette la potenza di calcolo nelle mani dei gestori di portafoglio, consentendo loro di analizzare dati non strutturati per acquisire una migliore comprensione delle vicende di un’azienda.
- L’IA è solo uno dei tanti strumenti, per quanto potente, nell’arsenale dell’analisi dei dati.
- Nel campo dell’analisi degli investimenti, la possibilità che l’intelligenza delle macchine sostituisca quella umana, anziché aumentarla, rimane un’eventualità remota.
Nella gestione degli investimenti, il sapere
è tutto. In un’epoca caratterizzata da
informazioni istantanee e comunicazioni
aziendali regolamentate, è raro ottenere
un vantaggio negli investimenti scoprendo
qualcosa su un’azienda o sull’economia
prima del mercato. Tuttavia, l’enorme
aumento del volume di dati e della
potenza di calcolo permettono oggi di
acquisire un simile vantaggio tramite
un’interpretazione più rapida e accurata
delle informazioni.
Estrapolando informazioni puntuali e
ricorrenti dalle grandi quantità di dati
prodotti dall’attività umana, è possibile
acquisire una migliore comprensione di
trend come l’evoluzione del sentiment nei
confronti di un titolo o dei comportanti
di consumo. Questo risultato si ottiene
attraverso diverse forme di analisi dei
dati, le più avanzate delle quali sono
l’apprendimento cognitivo e le capacità di
risoluzione dei problemi dell’intelligenza
artificiale.
Con la gestione attiva nel proprio DNA,
Columbia Threadneedle Investments
adotta uno specifico approccio in questo
campo, mettendo la potenza di calcolo
nelle mani dei suoi gestori di portafoglio
per consentire loro di analizzare
dati non strutturati e acquisire una
migliore comprensione delle vicende di
un’azienda. Quasi tre anni fa, la società
ha creato un team di scienza dei dati
dedicato non solo a raccogliere dati in
modo più efficiente, ma anche ad estrarre
da essi nuove conoscenze. L’IA è solo
uno dei tanti strumenti nel suo arsenale,
ma uno strumento molto potente per
trovare schemi ricorrenti e anomalie.
Il modo in cui una società di gestione
patrimoniale decide di sfruttare l’IA
dipende dal suo stile d’investimento.
In Columbia Threadneedle Investments
l’IA è chiamata “intelligenza aumentata”,
essendo utilizzata come una fonte
supplementare di informazioni che aiuta i
gestori di portafoglio a prendere decisioni
d’investimento. L’IA, specialmente
l’apprendimento automatico, si è
sviluppata rapidamente in campi come
l’elaborazione del linguaggio naturale
e il riconoscimento delle immagini, ma
le manca l’”intelligenza generale” tipica
degli esseri umani, che serve per capire
la natura complessiva di un’azienda.
Spiegando l’approccio, James Waters,
Data scientist senior presso Columbia
Threadneedle Investments, afferma:
“Nel nostro gruppo investimenti abbiamo
un team di scienza dei dati che aiuta a
estrarre informazioni da diverse fonti di
dati, in particolare quelle che gli analisti
stessi hanno difficoltà a manipolare,
ad esempio set di dati non strutturati
o di grandi dimensioni. Sviluppiamo
anche processi per estrarre informazioni
in modo molto più efficiente, dando
agli analisti più tempo di concentrarsi
sull’analisi piuttosto che sulla raccolta
di dati.
“Le informazioni che raccogliamo, anche
attraverso l’uso dell’IA, forniscono
conoscenze che aiutano il team a
produrre idee d’investimento. Il nostro
approccio all’investimento è sempre
lo stesso. Tuttavia, l’analisi dei dati
permette ai nostri team d’investimento di
acquisire maggiori conoscenze in modo
più efficiente.”
Questo modo di utilizzare l’IA – come
parte di un più ampio arsenale di
strumenti di analisi dei dati – riflette
la natura di Columbia Threadneedle
Investments quale società di gestione
patrimoniale attiva, in cui i gestori
di portafoglio utilizzano l’analisi
fondamentale per identificare imprese
growth di alta qualità. In una società
di gestione patrimoniale specializzata
maggiormente nell’analisi quantitativa,
è probabile che l’IA abbia un ruolo più
centrale nelle decisioni relative agli
investimenti.
Waters fornisce diversi esempi di come
ha impiegato l’IA per assistere i gestori
di portafoglio. Ad esempio, l’elaborazione
del linguaggio naturale (NLP), un ramo
dell’apprendimento automatico, è stato
utilizzato per identificare mutamenti del
sentiment nei confronti di determinate
aziende a partire dai feed dei social
media o dalle relazioni finanziarie delle
società.
“Abbiamo utilizzato l’NLP per l’analisi
del sentiment, cercando di capire come
inferire l’evoluzione del sentire dei
consumatori nei confronti dei brand dai
dati dei social media”, afferma Waters.
“Ciò assicura ai nostri analisti maggiori
informazioni sui settori e sulle società
di cui si occupano. Questo, a sua volta,
può fornire, o meno, conoscenze che
influiscono sulle loro raccomandazioni.
È un’altra fonte di informazioni che gli
analisti possono utilizzare.”
Oltre all’analisi degli investimenti,
Columbia Threadneedle Investments
sfrutta l’IA per migliorare la costruzione
dei portafogli, avvalendosi di algoritmi di
ottimizzazione.
Nel campo dell’analisi degli investimenti,
tuttavia, la possibilità che l’intelligenza
delle macchine sostituisca quella
umana, anziché aumentarla, rimane
un’eventualità remota. L’IA è solo uno
dei tanti strumenti nell’arsenale della
scienza dei dati.
In effetti, in Columbia Threadneedle
Investments sono i gestori di portafoglio
e gli analisti d’investimento che
dettano l’uso dell’IA, impiegandola per
valutare più accuratamente il vantaggio
competitivo di una società, così come
eventuali mutamenti del sentiment verso
il titolo o i suoi prodotti.
A fronte di una potenza di calcolo sempre
maggiore e della crescita esponenziale
della quantità di dati, l’importanza
della scienza dei dati negli investimenti
sembra inevitabilmente destinata ad
aumentare. Questo significa forse che i
team di gestione del portafoglio faranno
crescente ricorso all’IA per l’analisi degli
schemi ricorrenti?
“Via via che gli analisti acquisiscono
familiarità con alcuni di questi strumenti
e tecniche e con le loro efficienze, sarà
sempre più importante prenderli in
considerazione”, osserva Waters.
“Ma non è solo una questione di
tecniche; è il volume di dati che
desta maggiore stupore. Tutti si
lasciano prendere dall’entusiasmo per
l’apprendimento automatico e l’IA, ma
sono la quantità e la qualità dei dati a
fare la maggiore differenza.”
Crescita annua della “datasfera” globale
Fonte: Data Age 2025, sponsorizzato da Seagate con dati di IDC Global DataSphere, novembre 2018.
