Il progetto, presentato dal presidente dell’Authority, Paolo Savona, nella relazione annuale Consob, prevede due fasi di svolgimento ed è seguito per la Scuola dal professor Fabrizio Lillo, con il ricercatore Piero Mazzarisi e la perfezionanda Adele Ravagnani.

  

PISA, 22 giugno 2022. Il monitoraggio sull’ordinato svolgimento delle negoziazioni di mercato da parte di Consob, l’Authority che tutela investitori e trasparenza del mercato mobiliare italiano, avverrà anche grazie a specifici algoritmi sviluppati dalla Scuola Normale Superiore di Pisa. Lo ha annunciato il Presidente Consob Paolo Savona nella relazione annuale presentata ieri nella sede milanese di Borsa Italiana.

Lo scopo della collaborazione tra Consob (Commissione nazionale per le società e la borsa) e Scuola Normale è quello di individuare possibili abusi grazie all’analisi dei comportamenti tenuti dagli investitori prima della rivelazione di eventi price sensitive. Il progetto è articolato in due fasi: nella prima, avviata nel settembre 2021, le condotte anomale vengono cercate tramite l’utilizzo di algoritmi di unsupervised machine learning (di apprendimento automatico senza supervisione) funzionali a selezionare cluster di investitori sulla base delle relative transazioni; nella seconda, cui si darà avvio nel corso del 2022, saranno sviluppati metodi di supervised machine learning (apprendimento automatico supervisionato) per la classificazione delle segnalazioni di ordini e operazioni sospette di costituire abusi di mercato.

Per la Scuola Normale lavorano allo sviluppo degli algoritmi il professore di Metodi matematici dell’economia e delle scienze attuariali e finanziarie, Fabrizio Lillo, insieme a Piero Mazzarisi (ricercatore) e Adele Ravagnani (dottoranda).

Per quanto riguarda la prima fase del progetto, si legge nella relazione Consob, l’analisi algoritmica delle transazioni dei singoli investitori nei sette mesi precedenti l’evento price sensitive ha consentito di rilevare, un mese prima dell’evento, una discontinuità nel comportamento che può sottendere a una strategia di investimento guidata dall’intento abusivo. Le evidenze raccolte  confermano inoltre non solo l’accuratezza delle analisi ma anche un notevole incremento di efficienza nel processo di monitoraggio e rilevazione delle operazioni sospette.

"L'utilizzo di metodi quantitativi basati sul Machine Learning e l'Intelligenza Artificiale - commenta Fabrizio Lillo - può modificare significativamente la maniera di fare vigilanza dei mercati finanziari per rivelare in modo efficiente abusi e manipolazioni, nonché, più in generale, per sfruttare appieno grandi moli di dati per una migliore comprensione delle dinamiche di mercato in questi tempi così soggetti a cambiamento. La collaborazione tra università ed enti pubblici costituisce una straordinaria occasione di collaborazione e condivisione di competenze per valorizzare appieno le potenzialità presenti nel settore pubblico Italiano."

Galleria video e immagini