L’intelligenza artificiale (AI) sta facendo passi da gigante in vari settori, e il mercato finanziario non fa eccezione.
Con l’introduzione di modelli di linguaggio di grandi dimensioni (LLM) come GPT-4, il panorama dell’analisi dei bilanci sta cambiando. Esploriamo insieme i risultati e i dettagli dell’uso dell’AI nel mercato finanziario. Ti dirò poi la mia sulle implicazioni reali e pratiche di questa fantastica tecnologia
I risultati sono impressionanti si, ma come cambierà il mercato finanziario?
Al fronte dell’innovazione
Il mercato finanziario è sempre stato in prima linea nell’adozione di nuove tecnologie.
Dall’introduzione dei computer negli anni ’80 agli odierni strumenti di analisi basati sull’AI, la ricerca di strumenti per prendere decisioni sempre più accurate continua. Si perché tutta questa complessità di terminologie, istituzioni, relazioni e matematica gira intorno ad un semplice concetto chiave: l’ottimizzazione dei processi decisionali. È qui che l’intelligenza artificiale eccelle.
I modelli (LLM), in particolare GPT-4, sono l’ultima innovazione che presenta risultati promettenti nell’analisi dei bilanci.
Questi modelli possono analizzare dati finanziari, prevedere utili e persino superare gli analisti umani in alcune aree.
Quali sono questi eccezionali risultati?
Ho messo i link a due studi in fondo all’articolo fatti da due università negli scorsi 12 mesi.
Le ricerche dimostrano che i modelli di AI come GPT-4 e altri possono eseguire efficacemente l’analisi dei bilanci e la previsione dei prezzi delle azioni.
Ti faccio un esempio preso dagli studi. GPT-4 è stato incaricato di analizzare bilanci e conti economici per prevedere la direzione dei futuri utili. Gli utili in parole semplici sono i soldi che rimangono ad un’azienda una volta incassate le vendite e pagato le spese.
Sorprendentemente, GPT-4 non solo ha eguagliato, ma spesso ha superato l’accuratezza degli analisti umani e dei modelli di apprendimento automatico specializzati come le reti neurali artificiali (ANN). Le previsioni basate su GPT-4 hanno ottenuto risultati impressionanti: le strategie di trading, basate sulle sue previsioni, hanno generato rapporti di Sharpe e alphas significativamente più alti. Ovvero hanno ottenuto performance migliori! Hanno fatto più soldi insomma.
Un altro studio si è concentrato sulla previsione dei prezzi delle azioni tramite modelli di AI e algoritmi di apprendimento automatico. Sono stati addestrati utilizzando dati storici sui prezzi delle azioni e sentimenti delle notizie. Pratiche normalissime in finanza al giorno d’oggi, semplicemente non attraverso AI.
Questi modelli hanno raggiunto errori di previsione medi molto bassi per le azioni di grandi aziende: 0,12% per Amazon, 0,13% per Google e 0,07% per Microsoft.
Vedila in questo modo, è come se ti dessero un problema che non hai risolto e non solo impari sul momento come risolverlo ma sbagli anche di pochissimo.
Alcuni interessanti dettagli sui test
Lo studio con GPT-4 ha utilizzato bilanci anonimizzati e standardizzati per testare le capacità del modello.
Il modello ha ricevuto solo dati numerici, senza alcun contesto narrativo, per simulare uno scenario reale in cui non poteva fare affidamento sulla conoscenza preliminare delle aziende. Comunque GPT-4 ha eccelso nell’analisi delle tendenze e dei rapporti finanziari. In qualche modo ha dimostrato una profonda comprensione del ragionamento economico e degli indicatori finanziari.
Sono stati utilizzati due tipi di prompt: un semplice prompt che istruisce il modello a prevedere la direzione degli utili e un prompt più complesso chiamato Chain-of-Thought (CoT) che ha guidato il modello attraverso un processo analitico passo-passo. Il prompt CoT ha migliorato significativamente le prestazioni di GPT-4 ed è così che è riuscito ad imitare il ragionamento umano nella sua analisi.
Nel secondo studio, i modelli AI sono stati addestrati su prezzi delle azioni e dati sui sentimenti. Hanno implementato l’analisi tecnica quantitativa per valutare tendenze e cicli passati e generare previsioni accurate dei prezzi. Tecniche come la regressione lineare e le reti neurali sono state utilizzate ed è proprio quest’ultima che ha mostrato prestazioni superiori.
Non preoccuparti non ti serve sapere cosa sono nel dettaglio ma solo che sono due tecniche per stimare risultati partendo da una serie di dati. Clicca sopra su reti neurali se vuoi saperne di più.
Giusto per darti un’idea il modello di regressione lineare ha raggiunto un errore medio quadratico (MSE) del 2,31% per i prezzi delle azioni di Google e dell’8,24% per quelli di Amazon. La rete neurale ha ottenuto un MSE medio del 3,18% per Google e del 7,62% per Amazon.
Interessante vedere la superiorità della rete neurale nella gestione di dati complessi rispetto alla regressione lineare.
Ma all’atto pratico come cambierà il panorama finanziario?
Di sicuro l’AI, in particolare gli LLM come GPT-4, cambierà profondamente il modo in cui affrontiamo l’analisi finanziaria.
Però… la storia ci dimostra che i progressi tecnologici comunque tendono a livellarsi nel tempo. Proprio come l’introduzione dei computer ha rivoluzionato la finanza negli anni ’80 ma alla fine è diventato uno strumento standard per tutti, l’AI seguirà probabilmente un percorso simile. Inizialmente, coloro che adotteranno l’AI presto avranno un vantaggio competitivo, ma man mano che la tecnologia diventerà diffusa, il mercato si normalizzerà.
Il mercato finanziario è intrinsecamente competitivo, e ogni nuova tecnologia non fa altro che alzare l’asticella per tutti.
Un’ultima lezione?
Saremo anche di parte ma…
Per noi di Club Sandwich è cruciale rimanere all’avanguardia e adattarsi continuamente ai progressi tecnologici. Man mano che l’AI diventerà una parte fondamentale dell’analisi finanziaria (e non solo), coloro che non riusciranno ad adattarsi potrebbero trovarsi in una posizione di svantaggio. Inizia a esplorare oggi gli i vari articoli che abbiamo scritto sull’Intelligenza Artificiale.
Facciamo del nostro meglio per scriverli in modo semplice ma utile in modo che possano essere comprensibili a tutti
Fai un salto sui nostri social per rimanere sempre aggiornato!
Fonti:
Articolo 1: https://dx.doi.org/10.2139/ssrn.4835311
Articolo 2: https://ojs.stanford.edu/ojs/index.php/intersect/article/view/3031