L'intervento del professor Fabrizio Lillo sul numero di aprile di EXL, rivista quadrimestrale pubblicata da Pacini Editore, dal titolo"Finanza Matematica. La grande tradizione della Scuola Normale al servizio dei mercati per controllare abusi e supportare decisioni".
di Fabrizio Lillo*
Tra le molteplici applicazioni del Machine Learning (ML) e dell'Intelligenza Artificiale (AI) c’è quella di monitorare possibili abusi, comportamenti anomali e violazioni della legge nell’ambito dei mercati finanziari. La Consob, l'organo di controllo del mercato finanziario in Italia, utilizza da tempo strumento di ML e AI per prevenire e, ove occorra, sanzionare eventuali comportamenti scorretti e per questo dal 2021 ha stipulato un accordo con il gruppo di Finanza Quantitativa della Scuola Normale Superiore. Forte della grande tradizione matematica della Scuola di Pisa e di un apposito gruppo di ricerca ad essa dedicato, la collaborazione prevede una serie di progetti per lo sviluppo di metodologie di ML e AI per l'identificazione e il supporto alla decisione nell'ambito della rilevazione degli abusi di mercato.
L’attività finora svolta si è concentrata sullo sviluppo di strumenti di supporto alla decisione nell'identificazione di azioni di insider trading (che consistono nello sfruttare a proprio vantaggio un'informazione sensibile riguardante una probabile variazione di prezzo futura). Eventi societari (ES), come offerte pubbliche di acquisto o il rilascio di dati di bilancio, possono portare infatti a variazioni significative di prezzo e coloro che sono a conoscenza di tali informazioni, perché per esempio dipendenti della società quotata, non possono avvalersene né distribuirle prima che siano pubbliche. Del resto, se un investitore modifica significativamente la propria attività di trading in vicinanza di un ES questo non implica necessariamente un abuso, quando un numero consistente di altri investitori si comporta in maniera simile. Il ML e l’AI forniscono però anche qui strumenti per identificare, nella grande mole di dati prodotta dall’universo degli investitori, coloro che si comportano in maniera difforme a come si comportano i loro simili. Altri metodi sviluppati permettono di rilevare irregolarità che coinvolgono piccoli gruppi di investitori nell’attività di trading in vicinanza di un evento societario, possibilmente a seguito dello scambio di informazioni riservate (insider rings).
È solo l’inizio di un'attività congiunta che si estenderà ad altre pratiche illecite, come l’individuazione delle manipolazioni nell’invio di ordini fuorvianti per presentare il mercato più liquido di quello che effettivamente è. Insomma, i regolatori e le autorità di vigilanza avranno nel futuro prossimo strumenti informatici più sofisticati e precisi per analizzare grandi quantità di dati e assicurare che l’operatività di mercato sia affidabile.
Questa è però solo una faccia della medaglia: anche gli investitori più avanzati utilizzano tecniche di ML e AI per sviluppare strategie di trading. Sebbene molto potenti, queste tecniche sono spesso opache e la logica del loro funzionamento può essere non chiara agli sviluppatori stessi, specialmente quando l’algoritmo stesso apprende la strategia ottimale. È quindi possibile che, anche non intenzionalmente, gli algoritmi imparino nuove strategie di manipolazione che sono di difficile identificazione. Anche su questo fronte, la sinergia tra Università ed enti di vigilanza può essere lo strumento per condividere competenze complementari e sviluppare nuovi strumenti in un mondo in continuo cambiamento.
* Professore di Metodi matematici per l’economia e le scienze attuariali e finanziarie presso l'Università di Bologna e la Scuola Normale Superiore. È membro del comitato scientifico di AMASES (Associazione per la Matematica Applicata alle Scienze Economiche e Sociali) e dell'editorial board di diverse riviste.
