Il Machine Learning nel Corporate Finance: gli orizzonti 4.0 del mercato finanziario

Marzo 9, 2018

L’innovazione tecnologica e il mondo della finanza sembrano procedere nella stessa direzione ormai da anni, accelerando ulteriormente il passo con l’ingresso in campo del Machine Learning e dell’Intelligenza Artificiale.

Gli elevati volumi di dati, la possibilità di accedere ad un’accurata documentazione storica e la natura quantitativa dell’universo del Finance, lo rendono ad oggi una delle industrie più adatte a integrare l’apprendimento automatico per liberare i professionisti della finanza da attività necessarie, ma di basso valore creativo. “La trasformazione digitale della finanza è un compito essenziale, urgente e continuo, che necessita di manager specializzati in finanza d’impresa, proiettati al cambiamento e capaci di intercettare i trend del mercato globale, individuando allo stesso tempo gli strumenti necessari per affrontarlo,” afferma Emanuele Bajo, Direttore Scientifico del Master Full-time in Finance and Fintech di Bologna Business School.

 

Il machine learning è un’area dell’Artificial Intelligence che consente ai computer di prendere decisioni autonome: invece di fornire al computer un set di istruzioni per lo svolgimento di un compito, dà istruzioni su come imparare a svolgerlo. Questa particolare capacità di autoapprendimento, unita all’analisi dei big data e a speciali algoritmi, ha assunto un ruolo fondamentale in svariate operazioni finanziarie, dalla valutazione dei rischi all’approvazione dei prestiti.

 

I robo-advisor vengono già da tempo impiegati, con un intervento umano minimo o addirittura nullo, nel management del portfolio dei clienti e nella previsione degli investimenti. Basandosi su formule matematiche o algoritmi e calibrandosi secondo i cambiamenti del mercato, sono capaci di investire il patrimonio del cliente in azioni, obbligazioni, futures, patrimonio reale o fondi comuni di investimento, tenendo contemporaneamente in considerazione sia il rischio che l’obiettivo di rendimento deciso dall’utente. Allo stesso modo, gli algoritmi di apprendimento automatico possono formarsi su milioni di esempi e altissimi volumi di dati per rilevare le tendenze che potrebbero influenzare il processo decisionale delle assicurazioni e dell’autorizzazione dei prestiti. Il machine learning viene inoltre utilizzato anche per l’analisi del sentiment, con l’intento di replicare l’intuizione umana nell’attività finanziaria per scoprire i nuovi trend e i segnali del mercato.

 

Uno dei comparti che trae maggiore beneficio dai vantaggi portati dal machine learning è senza dubbio quello dell’antifrode. Mentre i precedenti sistemi di rilevamento di attività o comportamenti anomali dipendevano da una lista di fattori-rischio e una serie di complesse istruzioni prestabilite, oggi l’autoapprendimento consente di ricalibrare in modo attivo e continuativo le attività necessarie per tenere il passo con gli innumerevoli e creativi modi in cui la sicurezza può essere violata. Negli anni a venire, questa capacità di incrociare ed analizzare dati eterogenei e destrutturati per prevenire gli abusi, sarà ulteriormente coadiuvata dall’utilizzo di sistemi di sicurezza basati su dati biometrici quali la conformazione del viso, le impronte digitali o la voce.

 

Non solo prevenzione del rischio e sicurezza, ma anche e principalmente operazioni finanziarie: più della metà delle contrattazioni in Borsa, ovvero la scelta, l’esecuzione e la gestione degli ordini, vengono già oggi demandate alle decisioni di una macchina. Il High Frequency Trading (HFT), ad esempio, è una modalità di intervento sui mercati che si serve di una serie di algoritmi di compravendita eseguiti in frazioni di secondo, impossibili perciò da attuare da un operatore umano.

 

L’utilizzo del machine learning sembra avere un orizzonte molto vasto, che in alcuni punti esce completamente dall’ambito finanziario e si avvicina a quello del customer service in senso lato. I chat bot e le interfacce conversazionali diventano validi strumenti interattivi per la comunicazione con i clienti, i quali possono interrogarli sulla spesa dei mesi precedenti per la manutenzione della casa oppure sulla media dei risparmi mensili. Inoltre, un consulente robot potrebbe suggerire modifiche al portafoglio di investimenti, mentre assistenti personali digitali possono proporre prodotti finanziari su misura, come vediamo già accadere nel settore assicurativo.

 

Attraverso il machine learning un’organizzazione finanziaria può innovare le proprie modalità di lavoro e aumentare l’efficienza, l’output e, in definitiva, la redditività. Comprendere l’importanza di tale evoluzione apre la porta a numerose opportunità, ma anche alla necessità di affidarsi ad un management capace di riconoscere il cambiamento, accoglierlo e gestirlo. “L’innovazione tecnologica modificherà in modo profondo la struttura del mercato finanziario e solo comprendendo a fondo le innovazioni tecnologiche digitali sarà possibile sopravvivere e competere con le nuove modalità di business“, aggiunge il professor Bajo. Il Master Full-time in Finance and Fintech di Bologna Business School forma giovani professionisti che svolgono una funzione di collegamento tra il management e gli scienziati informatici, diventando motore dello sviluppo delle nuove attività finanziarie digitali.