E’ da quando terminai
di scrivere “Trading Systems” che mi sono posto il problema di dire una parola
utile sull’applicazione delle tecniche di intelligenza artificiale (AI) al
trading finanziario.
Il motivo c’è,
perché ciò che è stato realizzato finora, e che viene proposto, a mia
conoscenza fornisce delle performance che non sono molto diverse da un
“volgare” incrocio di medie mobili o da un trading system standard.
L’intelligenza artificiale
abbraccia un vasto complesso di discipline, ma per chi opera sui mercati
finanziari è ristretta sostanzialmente all’ambito delle scienze
cognitive, nate al MIT di Boston nel 1956, quelle che tentano di capire, di modellizzare e di riprodurre i
processi di apprendimento della mente umana, la “macchina” di gran lunga più
perfetta di cui oggi disponiamo.
Il primo passo in
questa direzione viene compiuto dalla cosiddetta fuzzy logic, la logica sfocata - il primo tema al quale mi sono
applicato - in contrapposizione alla logica crisp
- traducibile malamente con: “ben definita” - che tenta di riprodurre il modo
in cui noi stessi prendiamo decisioni. Infatti quando osserviamo, ad esempio,
un oscillatore stocastico, la decisione che prendiamo non è mai basata sul “tutto
o niente”, cioè se esso è, sempre ad esempio, ipercomprato o meno... ma su una
serie di sfocature del tipo: “appena ipercomprato”, “pienamente ipercomprato”,
“molto ipercomprato”, “molto ipercomprato ma in diminuzione” etc. etc.; queste
“sfumature” hanno a che fare solo marginalmente col valore numerico dello stocastico
in quel momento (82? 86? ...) ma principalmente con il nostro giudizio visivo.
Il primo prodotto
di questo sforzo della nostra ricerca è lo screener Fuzzy Delphi, che è stato istruito a identificare sulla Borsa di
New York le azioni che abbiano “nelle gambe” (ossia nel bilancio e nel grafico) un lungo percorso da
fare nei prossimi anni, ma a partire da subito, perché, come diceva Keynes, nel
lungo temine siamo tutti morti, e non c’è nulla di più avvilente che vederci
rapidamente perdere denaro su un titolo appena comperato e nel quale noi
crediamo disperatamente.
Il concetto
centrale usato da Delphi Fuzzy, in sé non è nuovo: la crescita del prezzo del
titolo è legata a molti fattori aleatori, ma non sfugge infine alla logica
economica: un buon management, se fa un buon risultato di bilancio, “trading on
the equity” cercherà di massimizzare i nuovi fondi che tutti gli stakeholders
potranno mettere a disposizione, investendo quindi il massimo possibile
nell’azienda allo scopo di cogliere nuove opportunità (diversification) o/e per
aumentare la quota di mercato così da poter imporre il prezzo dei propri
prodotti (market penetration) etc. etc. … usando cioè tutti gli strumenti
strategici di gestione dell’impresa che ben si conoscono. Se questo porterà ad
ulteriori aumenti degli utili, ci saranno sempre più azionisti potenziali che
vorranno appropriarsene comperando le azioni di quella impresa, quindi
facendone aumentare il prezzo. Si ripete: il prezzo di un’azione può aumentare
per molte ragioni, ma quella appena detta è “sicura”, nel senso che prima o
poi, prima che poi, a parità di condizioni la logica economica non fallisce.
Ma Fuzzy Delphi per
decidere utilizza anche i principi MiniMax e MaxiMin di Von Neumann: nella teoria delle decisioni essi vengono usati per minimizzare la massima perdita possibile
(MiniMax) e, in alternativa, per massimizzare il minimo guadagno che saremmo
costretti dalle circostanze ad accettare (MaxiMin).
Il tutto viene
realizzato analizzando, oltre che i dati di bilancio di tutte le aziende
quotate a New York, anche un set canonico di una decina di indicatori canonici
di analisi tecnica, realizzando così un perfetto connubio tra analisi
fondamentale, analisi tecnica, teoria delle decisioni e fuzzy logic.
In effetti le
primissime prove di Adelphi Fuzzy, nella formulazione long (quella short
seguirà a breve), hanno dato risultati
eccellenti, battendo lo S&P 500 del 72% e con un ritorno annuo atteso del
117%:
Screener Fuzzy Delphi long
|
|
|
|
Date:
|
14/05/2018
|
Days since beginning:
|
15
|
Nasdaq composite
|
Portfolio average return
|
Outperformance
|
|
3,77%
|
6,48%
|
72%
|
|
Average yearly return:
|
116,64%
|
|
|
|
|
|
|
Il sistema Fuzzy
Delphi sarà uno dei primi argomenti che discuteremo nelle riunioni dei Caimani
nel nuovo Anno Accademico.
Renato Di Lorenzo
