Big data: il team uomo-macchina nel processo di investimento

I Big Data sono ovunque. Il più delle volte non siamo nemmeno consapevoli di quanto questa tecnologia digitale influenzi la nostra vita quotidiana. Anche nel settore finanziario, l'applicazione dei Big Data ha un'influenza sempre maggiore, in quanto le enormi quantità di dati hanno il potenziale per migliorare il processo decisionale fornendo informazioni contestuali, affidabili e di alta qualità. Tuttavia, l'interpretazione dei risultati richiede spesso il giudizio umano per spiegare accuratamente le tendenze e prendere decisioni ben ponderate. Ma come funziona l'interazione tra uomo e tecnologia nel processo di investimento? Quali sono i vantaggi dell'utilizzo dei Big Data? E in che modo si possono sfruttare al meglio i segnali delle macchine?

Che cosa sono i Big Data?

Vi ricordate di quando, non molto tempo fa, si studiavano le mappe stradali prima di partire per un viaggio in auto? All'epoca, nel vano portaoggetti tutti avevamo una mappa stradale di quasi tutte le regioni, pronta per essere utilizzata al bisogno. Oggi invece basta digitare una destinazione sul sistema di navigazione o sull'app del cellulare prima di partire. Durante il tragitto, si ricevono istruzioni in tempo reale dal sistema, che fornisce indicazioni del percorso più veloce per raggiungere la destinazione desiderata, evitando eventuali ingorghi e lavori stradali.

Questo rapido progresso è dovuto alla diffusione e all'applicazione dei Big Data. Oggi i sistemi intelligenti e i programmi cartografici non si limitano a sostituire le mappe stradali fisiche; sulla base dei dati raccolti, essi migliorano in maniera costante e sono in grado di fornire informazioni sempre più precise. Ma cosa sono precisamente i Big Data?

Sebbene il termine sia ormai molto in voga, il suo significato resta piuttosto ambiguo. In generale, l'espressione Big Data descrive la raccolta e l'analisi di grandi volumi di serie di dati che, a causa delle loro dimensioni elevate, comportano particolari esigenze di archiviazione.¹ Le definizioni classiche² includono le tre caratteristiche principali di una grande quantità di dati: dimensioni eterogenee e diverse (Volume), velocità con cui vengono generati (Velocità) e varietà delle caratteristiche (Varietà) (cfr. Figura 1).³

Perché i Big Data

I Big Data consentono di memorizzare, elaborare e analizzare grandi volumi di dati a una velocità inimmaginabile e incomprensibile per l’uomo.⁴ Tuttavia, ciò richiede procedure e metodi moderni, ben riassunti dall'espressione "tecnologie Big Data"⁵ , con l'obiettivo di studiare relazioni complesse e in evoluzione tra i dati, nonché di identificare modelli e tendenze.

I vantaggi derivanti dall'utilizzo dei Big Data emergono soprattutto in relazione alla risoluzione di problemi decisionali complessi soggetti a un'elevata richiesta di informazioni.⁶ A causa delle limitate capacità sensoriali e cognitive, l’abilità di elaborazione umana raggiunge rapidamente i propri limiti a fronte dell'abbondanza e della complessità delle informazioni (sovraccarico informativo).⁷ I Big Data hanno la capacità di gestire questa complessità, di decifrare situazioni sconosciute e di supportare il processo decisionale basato sulle evidenze.

Nell'ambito dei processi decisionali basati sui dati che affrontano problemi che possono essere descritti matematicamente, i Big Data sono considerati una soluzione adeguata che determina ottime probabilità per le tendenze e i modelli di sviluppo derivanti da una grande quantità di dati. Inoltre, la tecnologia è in grado di rilevare segnali deboli e identificare problemi che sarebbero stati scoperti solo per caso o sarebbero potuti restare nascosti. Le analisi, che si basano sui dati e non sulle emozioni⁸, sono un valido aiuto al processo decisionale e assistono il giudizio umano.

I Big Data nell'analisi del ciclo economico

Il potenziale dei Big Data si avverte anche nel settore finanziario. La tecnologia può contribuire ad aumentare l'accuratezza nella previsione di metriche rilevanti nell’ambito del processo di investimento. Questo vale soprattutto per la previsione del ciclo economico, ritenuta fondamentale per il successo del market timing.⁹ In particolare, informazioni tempestive e accurate sugli sviluppi economici sono cruciali per prendere decisioni di investimento efficaci. In questo contesto, lo stato dell'economia è considerato una variabile non osservabile che viene stimata sulla base dell'andamento di svariati indicatori macroeconomici.

L'approccio basato sulla stima della variabile non osservabile da un gran numero di serie temporali si è dimostrato utile in molte previsioni.¹⁰ Proprio per questo motivo abbiamo sviluppato il nostro modello proprietario del ciclo economico, Wave.¹¹ Utilizzando un approccio basato sui Big Data, il modello identifica la fase attuale del ciclo economico di 50 paesi e fornisce informazioni sulla più probabile fase futura dell'economia. Le nostre fonti di dati, raccolte e registrate sistematicamente, sono costituite da oltre 1.200 indicatori macroeconomici rilevanti e dai prezzi degli asset rappresentativi dello stato dell'economia.

Utilizzando i Big Data per elaborare un gran numero di indicatori diversi, al fine di identificare i punti di svolta dell'economia sulla base delle relative variazioni, il modello Wave può migliorare il potenziale di analisi del ciclo economico.¹² Ciò è particolarmente evidente nell'asset allocation, in quanto le varie asset class si sviluppano in maniera diversa a seconda della fase del ciclo economico.¹³ Pertanto, un modello di ciclo economico può fornire informazioni sulle preferenze delle asset class e contribuire all'ottimizzazione del portafoglio.

A tale scopo, il modello Wave ricava una matrice delle preferenze che tiene conto delle diverse fasi del ciclo economico. Quest’ultima serve da input per lo strumento di ottimizzazione del portafoglio¹⁴ del modello Wave, al fine di ottenere un'allocazione ottimale degli asset. Il ciclo economico e le stime ottenute dai dati storici su rendimento, volatilità e covarianza sono utilizzati all'interno dello strumento in qualità di bussola per la ponderazione ottimale. Inoltre, per massimizzarne l'utilità per il cliente si tiene conto dei suoi vincoli e della sua avversione al rischio.

Uomo e macchina: lavoro di squadra nel processo di investimento

Per evitare conclusioni errate, i risultati della matrice delle preferenze generata dalla macchina devono essere messi in discussione e controllati. È qui che entra in gioco l'uomo, in quanto le persone hanno la capacità unica di trarre conclusioni mediante il pensiero logico e di scartare errori che sembrano matematicamente corretti. Questo permette loro di riflettere in maniera critica e di decifrare segnali poco chiari – cosa che la macchina spesso non è capace di fare. Inoltre, l’uomo è in grado di identificare i vari fattori che influenzano l'economia, nonché gli shock (economici) esterni che si verificano solo raramente e sono quindi sottorappresentati nei dati macroeconomici, come la pandemia di Coronavirus.

La matrice delle preferenze generata dalla macchina fornisce una stima tattica e funge da strumento decisionale prezioso per l’uomo nell'ambito del processo di investimento. Con l'aiuto della sua vasta esperienza e competenza tecnica, l’uomo analizza le tendenze e i modelli di sviluppo identificati dal modello Wave. Nelle aree in cui non sono disponibili indicatori tempestivi o adeguati, può colmare le lacune basandosi su conoscenze ed esperienze dettagliate. Inoltre, tiene conto di parametri sconosciuti e di diversi possibili risultati, ed è quindi in grado di valutare contemporaneamente più scenari.

Di conseguenza, si delinea un quadro completo che viene utilizzato dell’uomo per regolare le ponderazioni delle asset class, ove necessario. In questo modo, il processo d'investimento porta alla creazione di un'asset allocation che combina il meglio di due mondi.

Conclusioni

I Big Data sono privi di valore se non ben gestiti e organizzati. Infatti, il loro valore potenziale viene espresso solo quando l'enorme quantità di informazioni è condensata in insight attuabili. In quest’ottica, se l'utente riesce a elaborare la marea di informazioni in modo vantaggioso e a trasformarle in nuove conoscenze, si possono presentano nuove possibilità per il processo decisionale. L'idea di fondo è quella di combinare capacità complementari per creare un sistema che superi i limiti dei Big Data.

Il nostro modello proprietario Wave basato sulla tecnologia Big Data è pensato principalmente per consentire all'uomo di prendere decisioni ponderate e consapevoli. Questa combinazione crea una simbiosi che rende la macchina un membro del team a tutti gli effetti. Il concetto alla base di questo approccio ibrido nel processo di investimento è riuscire a combinare nel miglior modo possibile i punti di forza complementari dell'intelligenza umana e dei Big Data, in modo da ottenere insieme risultati migliori di quelli che sarebbero ottenibili singolarmente.

Siamo convinti che la sinergia tra uomo e macchina non sia solo la chiave del successo, ma anche un'opportunità da cogliere. Questa visione è confermata anche da studi scientifici che dimostrano quanto le organizzazioni possono ottenere performance migliori quando uomini e macchine lavorano insieme.¹⁵