Potenziare l’attività dei trader grazie all’intelligenza artificiale. In particolare, a una piattaforma che monitora titoli e mercati per suggerire il momento, e la soglia di prezzo, corretta per investire.
Ci sta lavorando la startup italiana BxT.ai: al Web Summit di Lisbona abbiamo intervistato il suo fondatore e Direttore Generale, Mauro Carosso.
AG. Mauro, che cosa è BxT.ai?
MC. BxT è un’idea che nasce nella seconda metà degli anni ‘90, con la mia tesi di laurea sull’intelligenza artificiale applicata al trading. Ho poi trovato lavoro nel mondo della finanza tradizionale, che sembrava ancora lontana da questi temi.
Dopo oltre 20 anni nel mondo finanziario, ho deciso di lanciare una mia startup che ha l’obiettivo di portare l’intelligenza artificiale al servizio dei trader, per aiutarli a prendere decisioni con più consapevolezza.
La performance di un trader deve confrontarsi con tre grandi sfide. La prima è la mancanza di tempo: bisognerebbe averne molto per studiare, osservare, capire che cosa sta succedendo sui mercati. E per farlo bene, occorre dedicare davvero moltissimo tempo a questa attività, farla diventare un lavoro.
La seconda è la conoscenza tecnica necessaria a capire i mercati. Questa, come la prima, si può affinare studiando e lavorando sulla gestione ma richiede molto tempo.
La terza, invece, è legata a qualcosa di innato, cioè alla nostra psicologia. Tutti i trader, anche quelli che lavorano in grandi realtà, devono confrontarsi con l’aspetto psicologico. Si rischiano loop di negatività, in cui la psicologia del trading prevale sulle scelte razionali.
Se guardiamo poi ai non professionisti, si vedono comportamenti che non hanno nulla a che fare con una strategia di trading ma sono chiaramente legate a reazioni emotive.
AG. Nel concreto, che cosa offrite al trader? Che cosa trova, all’interno della vostra soluzione.
MC. La nostra piattaforma si chiama Penelope, perché rappresenta il mio ritorno alla passione per l’intelligenza artificiale applicata alla finanza, cui avevo dedicato la mia tesi di laurea. Penelope è anche simbolo di affidabilità, sicurezza, fedeltà.
Si tratta di una serie di algoritmi di intelligenza artificiale che calcolano indicazioni e previsioni di mercato, fornendo un’immagine di come andranno la giornata o la settimana di trading.
Questi risultati vengono forniti a un trading model che decide quale strategia adottare. Il cliente, collegandosi alla piattaforma, vede per ogni singolo titolo, o mercato, che tiene sotto controllo, alcune informazioni chiave, quali la strategia, lunga o corta, la soglia di take profit o quella di stop loss.
In sintesi, è un advice su come potrebbe andare la giornata o la settimana. È però importante ricordare che è sempre una questione di probabilità, perché non c’è nulla di certo nel trading.
Il cliente, poi, sceglie in autonomia: ha il controllo totale della sua operatività e può scegliere su quale titolo fare trading. Con un solo click può passare in una schermata in cui carica l’ordine, impostando l’ammontare. Il sistema in automatico definisce il prezzo di ingresso e quante azioni comprare.
L’algoritmo calcola in automatico il livello di risk reward per il singolo titolo o il mercato, ma il cliente può decidere in autonomia il proprio livello di rischio, aumentandolo o diminuendolo fino al 30% rispetto a quanto definito dall’algoritmo. BxT.ai, infatti, non fa nessuna profilatura di rischio del cliente.
Il terzo campo permette di scegliere se ricevere l’advisory via email o inoltrarlo al proprio broker di fiducia, a cui eventualmente potremmo essere collegati via API. Stiamo lavorando per essere da subito collegati a due primarie realtà globali, uno per il mondo dei derivati e CFD e l’altro per il mondo delle azioni tradizionali. E altre realtà arriveranno nel tempo.
AG. Questo per la clientela privata e individuale. State lavorando anche su modelli B2B e B2B2C?
MC. Cercare di ottimizzare il processo di investimento della clientela istituzionale è il passo successivo e, certamente, più ambizioso.
La maggior parte degli istituzionali di dimensioni medie e piccole, quindi family office, multi family office, o asset manager medio-piccoli, non hanno un trading desk all’interno, oppure ne hanno uno che esegue la maggior parte degli ordini a VWAP, oppure con strategie simili a VWAP, delegando in parte l’esecuzione dell’ordine al broker a cui si appoggiano.
Questo processo comporta una potenziale perdita di alfa nell’esecuzione dell’ordine, perché la best execution può essere lontana dal VWAP.
In una seconda fase, affinati ulteriormente i modelli di intelligenza artificiale, vorremmo affiancare i trader professionisti nella loro attività fornendo indicazioni di esecuzione in specifiche aree di prezzo. Andando così potenzialmente ad aumentare i ricavi delle aziende.
AG. Non siete l’unica realtà che sta cercando di applicare l’IA: che studio avete fatto della concorrenza?
MC. Ci sono altre realtà che lavorano su IA e investimenti, ma siamo l’unica startup italiana che sta lavorando su questo modello applicato ai mercati regolamentati. Ci sono molti robo-advisor e trading bot, ma per quanto di nostra conoscenza non si basano su modelli di intelligenza artificiale come noi.
In questo momento sul mercato retail siamo un unicum. Non lo resteremo in futuro, anzi.
Penso infatti che operatori come i principali hedge fund abbiano già sviluppato questo tipo di tecnologia e la stiano testando al loro interno, o l’abbiano già adottata ma non lo rendono pubblico. Perché può essere un vantaggio competitivo davvero importante.
Penso sia solo una questione di tempo perché questa tecnologia diventi di adozione comune. I mercati finanziari sono estremamente complessi e l’IA può supportare l’azione dell’uomo: resta da vedere quanto ci metterà a diventare meglio dell’intelligenza umana.
AG. In altri ambiti di applicazione dell’IA stanno emergendo dei problemi legati ai dati con cui gli algoritmi vengono alimentati. Garbage in, garbage out. C’è il rischio che fake news e informazioni false compromettano il funzionamento di un algoritmo. Voi come state lavorando sul tema delle fonti?
MC. Oggi il principale problema dell’intelligenza artificiale è la fiducia in questa tecnologia, che dipende molto dalla qualità dei dati e dalla disponibilità di fonti affidabili. Per alcuni ambiti di applicazione dell’IA c’è sicuramente un problema di fake news o informazioni non controllate che entrano nei modelli.
Ma nel mondo della finanza abbiamo anche una sfida legata alla grande quantità di rumore: ci sono molte informazioni e talmente tanti input con cui alimentare una rete neurale o un algoritmo di deep learning. Bisogna selezionare gli input corretti per generare valutazioni coerenti con lo scenario di mercato.
Noi, ad esempio, non stiamo utilizzando la sentiment analysis, compresa la lettura dei giornali, per intenderci. I nostri modelli si basano su dati di mercato, modelli di trading, analisi tecnica e altri parametri, perché li riteniamo più affidabili. Non escludiamo di utilizzarla in futuro magari affiancata alla behavioural science.
Siamo ancora in una fase pioneristica: abbiamo rilasciato la prima versione beta della piattaforma. Continueremo a lavorarci, perché non abbiamo dubbi di potere arrivare a un’accuratezza superiore a quella attuale.
AG. Quando sarà disponibile BxT.ai sul mercato?
MC. Ci siamo dati l’obiettivo di iniziare a fare test con un set minimo di utenti reali, e soldi veri, da fine gennaio 2024 circa. La seconda tappa sarà poi il lancio sul mercato tra aprile e giugno 2024.
Molto dipende da quanto sarà veloce lo sviluppo di modelli che riteniamo affidabili. Al momento, vediamo che le previsioni nel breve termine sono molto attendibili, ma c’è una perdita di accuratezza nel medio lungo termine.
Ecco, noi vorremmo arrivare a fare previsioni anche per il futuro, supportando realmente la definizione di una strategia.
