Dopo le esperienze fallimentari dei primi anni Novanta, alcuni hedge fund applicano il deep learning per il trading, anche se prevale la prudenza.

Dopo le esperienze fallimentari dei primi anni Novanta, quando alcuni hedge fund tentarono di applicare le reti neurali nelle operazioni di trading, alcuni grandi fondi d’investimento ci riprovano con il deep learning, con alcune eccezioni. «L’affermazione che il deep learning risolverà il problema generale di gestione degli investimenti ci lascia tendenzialmente scettici», ha dichiarato ufficialmente Winton, hedge fund con base a Londra e 31,5 miliardi di dollari di capitale gestito.

Secondo Nicholas Chapados, collaboratore di Yoshua Bengio, uno dei pionieri del deep learning, tra 5 anni il deep learning sarà uno degli strumenti mainstream in finanza quantitativa. «Esiste un’ampia varietà di strumenti di deep learning, applicati nell’industria high-tech, che potrebbero essere adattati per l’elaborazione di dati finanziari», aggiunge Chapados, co-fondatore del fondo Chapados Couture Capital a Montreal.

Ma esistono ancora limitazioni nel ricorso all’intelligenza artificiale. Secondo Hitoshi Harada, co-fondatore di Alpaca, start up che fornisce piattaforme di trading basate sul deep learning a banche e altri operatori finanziari, «mentre il deep learning funziona molto bene quando si dispone di milioni, se non miliardi, di informazioni su valute e prezzi delle materie prime, tutti correlati gli uni agli altri, costruire un buon modello usando solo un migliaio di dati giornalieri su un singolo titolo rappresenta una sfida». Harada cita comunque esempi di compagnie che da un anno utilizzano la piattaforma di Alpaca.

I ricercatori della Winton, nonostante le difficoltà, continuano a studiare nuovi algoritmi di intelligenza artificiale, secondo le linee prudenziali definite dalla direzione: “deep learning non come forza rivoluzionaria, ma come arma utile”.

Fonte: Bloomberg