Investire nell’IA: oltre il clamore

Le strategie quantitative sono sempre state guidate dai dati e dalla tecnologia, e l’IA costituisce l’ultimo capitolo di questa evoluzione. È importante chiarire che l’IA negli investimenti non rappresenta una novità assoluta. Le tecniche di ML e NLP sono oggetto di studio e applicazione nelle nostre strategie da decenni.

Ad essere cambiata è l’ampiezza di ciò che queste tecniche di IA possono fare e la varietà di dati che possono gestire. Anziché sostituire i metodi quantitativi collaudati, l’IA li sta potenziando. È come passare da una cassetta di attrezzi manuali a una strumentazione elettrica: il lavoro è lo stesso ma puntiamo a svolgerlo più velocemente e in modo più efficace.

Apprendimento automatico o machine learning (ML)

Ad esempio, l’apprendimento automatico o machine learning (ML) può scoprire modelli complessi nei dati, comprese relazioni non lineari e interazioni sottili che possono sfuggire ai modelli tradizionali. Questo ci permette di affinare i segnali esistenti o di scoprire nuove fonti di alfa. Illustriamo con un caso concreto: integrando un tradizionale indicatore di inversione con i dati sul sentiment delle notizie, il nostro team quantistico ha migliorato la capacità di identificare i titoli propensi a recuperare dopo una reazione eccessiva. L’analisi ML può anche raggruppare titoli simili in base a caratteristiche condivise, come la catena di fornitura o l’uso della tecnologia, aggiungendo profondità alla gestione del rischio. Questi approfondimenti analitici rendono i modelli quantitativi più adatti ai mercati in rapida evoluzione di oggi.

Elaborazione del linguaggio naturale (NLP)

La capacità dell’IA di interpretare il linguaggio è progredita rapidamente, passando dal semplice conteggio delle parole a modelli linguistici di grandi dimensioni in grado di comprendere sfumature, toni e intenzioni. Analizzando dati testuali come notizie, rapporti finanziari o recensioni dei dipendenti, e persino ascoltando il tono di voce durante le telefonate di presentazione dei risultati, le tecniche di elaborazione del linguaggio naturale (NLP) svelano dimensioni analitiche più profonde sul sentiment. Che si tratti di misurare la fiducia di un CEO, di rilevare sottili cambiamenti nell’umore dei clienti o di identificare gli attori chiave nella catena di fornitura di un’azienda, la NLP arricchisce la nostra comprensione dell’ecosistema aziendale. Questi segnali più ricchi confluiscono nei nostri modelli quantitativi, offrendo possibili vantaggi competitivi nella valutazione del sentiment dei mercati e della salute delle aziende.

Dati alternativi

L’universo dei dati alternativi - tipi di dati non convenzionali o non tradizionali che non sono stati utilizzati in passato per le decisioni di investimento - rende queste tecniche di IA possibili e sempre più essenziali. Senza pari per volume, varietà e velocità di generazione, i dati alternativi offrono una conoscenza in tempo reale sull’attività economica che spesso sfugge ai dati tradizionali. Ad esempio, i dati delle carte di credito possono segnalare i cambiamenti nella spesa dei consumatori, mentre i manifesti di spedizione possono tracciare i flussi commerciali globali.

Distinguere il segnale dal disturbo e trasformare il flusso continuo di dati alternativi in informazioni di investimento concrete significa combinare tecniche innovative di IA con ipotesi economiche fondate. L’integrazione dell’IA nei processi d’investimento offre agli investitori quant e fondamentali i vantaggi di una maggiore velocità, fonti d’informazione più ampie e una migliore elaborazione delle informazioni. Tuttavia, è anche necessario essere propositivi, chiari e trasparenti nell’utilizzo dell’IA all’interno dei nostri processi.

Grazie all’abbondanza di nuovi dati e alla potenza di calcolo diventata accessibile, oggi gli investitori quantitativi possono attingere a fonti di dati e tecniche che un decennio fa erano inimmaginabili. Il team quantistico di Robeco, ad esempio, ha ampliato il proprio kit di strumenti includendo segnali specifici per ogni settore e nuovi set di dati alternativi.

Per garantire un’evoluzione robusta e fondata su solide basi delle strategie quantitative, senza compromettere le aspettative dei clienti, il nostro incubatore ha sviluppato strategie dedicate all’IA. Tale processo ha condotto, ad esempio, al lancio del nostro ETF Dynamic Theme Machine (DTM).

Dynamic Theme Machine

L’investimento tematico esercita un grande fascino, ma comporta anche delle sfide. Gli investitori spesso ottengono esposizione a un tema solo quando è già ben avviato, perdendo i vantaggi iniziali. I temi emergenti potrebbero essere troppo limitati per giustificare un prodotto autonomo. Inoltre, a investimento avviato, può essere difficile capire quando un tema perde slancio e si rischia dunque di non cogliere opportunità altrove.

Utilizzando l’IA, l’ETF Dynamic Theme Machine (DTM) di Robeco affronta queste sfide attraverso un approccio quantitativo multitematico. Impiegando tecniche come l’NLP, il nostro motore di IA scansiona fonti di dati vaste e diversificate per individuare modelli, cogliere il momentum del tema e segnalare quando sta acquistando o perdendo slancio. Questo ci permette di posizionarci dinamicamente tra temi emergenti e consolidati, utilizzando un processo sistematico che favorisce una rotazione efficiente. I nostri consolidati algoritmi di selezione dei titoli e di costruzione del portafoglio assicurano una rigorosa gestione del rischio.

L’IA si è affermata come tema dominante anche per gli investitori fondamentali. Con la sua capacità pressoché illimitata di svolgere compiti diversi, dal coding allo sviluppo di farmaci, l’IA è stata celebrata come la nuova frontiera della tecnologia, al pari del personal computer, di Internet e dello smartphone. Sebbene l’impatto di questi cambiamenti tecnologici sia ampiamente percepito, i beneficiari sono in genere meno numerosi.

Pertanto, ci concentriamo sull’identificazione dei fornitori di tecnologie fondamentali e delle aziende che adottano la tecnologia nell’ambito del loro core business per creare valore.

Fondamenti dell’IA

Comprendere la differenziazione competitiva e il reale valore aggiunto delle aziende che forniscono tecnologia nello sviluppo dell’IA è fondamentale per costruire rendimenti a lungo termine. Nelle precedenti ere tecnologiche, un ristretto numero di aziende che fornivano il capitale intellettuale di base assorbiva la maggior parte della creazione di valore nell’intero ciclo. Emblematici sono i casi di IBM nell’era dei mainframe, di Microsoft e Intel nell’era dei PC, di Apple e Qualcomm nell’era dei cellulari e di Amazon e Google nell’era di Internet. Benché numerose altre tecnologie abbiano contribuito a tali cicli, spesso questi abilitatori e fornitori di componenti si sono dimostrati sostituibili. Prevediamo che meccanismi analoghi caratterizzeranno l’era dell’IA.

Adottatori di IA

Inoltre, i fruitori sono aziende di svariati settori che integrano l’IA per migliorare i loro prodotti o processi operativi. Praticamente tutte le aziende utilizzeranno l’IA in qualche forma, proprio come oggi tutte le aziende utilizzano i computer o Internet, ma l’impatto sulle loro performance finanziarie sarà diverso. Per esempio, Internet ha favorito l’emergere di nuove forme di competizione, dall’e-commerce ai servizi di streaming - uno sviluppo che ha trasformato i rispettivi settori. Analogamente, il cloud computing ha consentito un nuovo modello di business poiché i fornitori di Software as a Service (SaaS) hanno ampliato il mercato delle applicazioni aziendali oltre a spiazzare i fornitori storici. L’IA ha già creato opportunità tanto per i fornitori SaaS esistenti nel migliorare le loro offerte quanto per i nuovi operatori nel ripensare ancora una volta il modello.

Strategia Digital Innovations

Queste opportunità richiedono un’analisi attenta, che guardi alla sostanza che sta dietro ai proclami dell’IA. L’azienda dispone di dati proprietari? Talenti IA? Una strategia difendibile per monetizzare le loro capacità di IA? Attraverso queste domande, ci proponiamo di separare il clamore dalla realtà e dal potenziale effettivo. La nostra strategia Digital Innovations mira a includere l’esposizione a player affermati e a nomi emergenti promettenti, se opportuno, sempre valutando i rischi.