L’algoritmo che usa i dati dei social per capire cosa succederà in Borsa

Marco Barlassina forbesitalia.com 22 marzo 2018

“Non conosco nessuna commodity che valga quanto l’informazione” diceva il Gordon Gekko del primo Wall Street. Non si sbagliava: la disponibilità di informazioni, prima ancora che queste diventino notizie, può fare la differenza nel mondo degli investimenti. Gekko però non poteva sapere – era il 1987 – che trent’anni dopo le informazioni sarebbero divenute non solo commodity, ma anche disponibili in sovrabbondanza, quasi senza limiti, e in forma gratuita. Internet era ancora di là da venire e oggi avere informazioni prima degli altri è divenuto praticamente impossibile, tanto che la competizione si è spostata sul campo dei tempi tecnici di esecuzione delle negoziazioni, con l’emergere dell’high frequency trading, o trading automatico, dove l’unità di misura sono i millisecondi.

Venuto a mancare il concetto stesso di possesso delle informazioni diventa allora importante saper cogliere i cosiddetti “segnali deboli”, quelli nascosti tra le righe del web, capaci di influenzare l’andamento di un titolo finanziario nel medio e lungo periodo. Interpretare cioè tutta la mole di conversazioni, post sui social network, argomenti di discussione sui blog che insieme formano un’entità chiamata “alternative data”.

Le prime esperienze di questo tipo hanno preso vita agli albori della diffusione dei social network sulla base di alcuni lavori accademici che avevano messo in relazione diretta l’andamento delle azioni quotate in Borsa con il sentiment ricavabile dai tweet su Twitter. Oggi, con il procedere della digitalizzazione di sempre più aspetti della vita, i “dati alternativi” che possono essere presi in considerazione alla caccia di “segnali deboli” sono cresciuti esponenzialmente. Si sono aggiunti una serie di dati pubblici, quali quelli di Google Maps, quelli delle vendite su Amazon e potenzialmente quelli provenienti da qualsiasi oggetto munito di sensori.

La complessità degli algoritmi necessari a estrarre le informazioni prima che diventino notizie è aumentata di pari passo, così come la potenza di calcolo al servizio di queste elaborazioni. Non stupisce così che le società attive in questo settore non siano più di una decina al mondo. E, sorpresa: una di queste è italiana. A fondarla tre ex top manager di Google Italia: l’attuale ceo, Fabrizio Milano d’Aragona, tra i componenti con Massimiliano Magrini del primo nucleo di persone che hanno portato la società di Mountain View nel nostro Paese; Mauro Arte, cfo e business developer, che nella sede italiana di Google si occupava del settore media & entertainment, divenendo anche capo della divisione YouTube Italia; Claudio Zamboni per diversi anni industry leader per i settori telco e tech di Google in Italia. Un inizio nell’antesignano dei motori di ricerca, Altavista, e un percorso in Google che, iniziato nel 2002, l’ha portato fino alla responsabilità diretta dei settori retail, fashion e local, Milano d’Aragona nel 2010 intuisce che le competenze maturate possono consentirgli il salto verso un’iniziativa tutta sua. Con i due soci dà così vita a 3rdPlace, azienda specializzata nella creazione e nello sviluppo della digital intelligence.

È qui che nasce il primo esperimento italiano nella ricerca di alternative data digitali per il settore finanziario. FinScience, questo il nome della startup lanciata da Milano d’Aragona e soci, si rivolge infatti principalmente al mondo della gestione, che siano società di gestione del risparmio (Sgr) o family office, ma anche alle aziende quotate o in quotazione che sono interessate a monitorare le informazioni che possono avere effetti sui prezzi. Saranno queste a ricevere gli output del lavoro di estrazione delle informazioni.  L’impressione, entrando negli uffici di FinScience, è quella di trovarsi in un pezzo di Silicon Valley calato nel centro di Milano: scritte alle pareti, grandi open space e molti giovani under 30 indaffarati davanti ai loro computer. “Da noi c’è anche una componente umana che va oltre la macchina”, esordisce Milano d’Aragona muovendosi nei corridoi della sua creatura. Già, la macchina, quella attorno a cui tutto ruota quando si tratta di elaborazione di dati, in questo caso è “un algoritmo proprietario che abbiamo sviluppato internamente capace di restituire un output composito che viene poi inviato ai clienti”, spiega Milano d’Aragona.

La macchina vera e propria in realtà sta da un’altra parte, sul cloud, perché la potenza di calcolo necessaria per elaborazioni di questo tipo richiederebbe l’utilizzo contemporaneo di centinaia di server, che sarebbe inefficiente avere fisicamente negli uffici e che comporterebbe un dispendio economico impossibile da sostenere per una startup. Anche per chi, seppur nato solo a inizio 2017, ha già raccolto in un primo round di finanziamento un milione di euro si prepara a un nuovo round per raccogliere le disponibilità necessarie a lanciare commercialmente la piattaforma e ampliare il team. Tra i primi investitori sono entrati numerosi nomi noti del venture capital italiano e del mondo della finanza. Tra i business angel da cui FinScience ha ricevuto il supporto grazie all’intermediazione di Epic SIM e all’advisor Good Ventures ci sono: Giuseppe Galimberti, in passato top manager in Jp Morgan, Morgan Stanley, Deutsche Bank e Ubs; Ugo Pastorimanaging partner della società di consulenza aziendale svizzera Weisstor ed ex ceo del fondo di fondi hedge Thalia; Massimo Prelz Oltramonti nel programma di venture capital di Olivetti dal 1981, ed ex managing director del fondo di private equity Advent International; oltre a Nicola Colla e Fabio Nalucci co-fondatori della piattaforma di innovazione Gellify.

Tutti angeli che hanno creduto nelle potenzialità che l’analisi di FinScience possa tramutarsi in un supporto di valore nella gestione. “Non si deve pensare a FinScience come a una società che invia segnali, frecce rosse o verdi su un titolo. Noi non consideriamo mai l’intraday, dove potrebbero entrare in gioco dinamiche che sporcherebbero l’analisi. Il risultato del nostro lavoro è invece teso a ricavare indicazioni utili per individuare un trend”, spiega Milano d’Aragona, “perché siamo all’inizio di una nuova fase: dall’economia della rete si sta passando all’economia dei dati, che dapprima hanno influenzato il digitale, poi le funzioni marketing e sales fino ad arrivare ora a dominare tutti gli aspetti di un’azienda”.

interior, china central television, design, style, tv studio wallpaper
“Il software”, aggiunge Alessandro Arrigo, general manager della società, “permette di acquisire, ordinare e interpretare grandi quantità di dati digitali da fonti diverse. Agisce quindi come un selezionatore di fatti rilevanti, a cui associa la produzione di indicatori di sintesi, da utilizzare a supporto delle decisioni di investimento dei clienti. I gestori integrano le informazioni e le interpretano. Inoltre, grazie a un meccanismo di analisi incrociata di dati, è in grado di suggerire all’utente il monitoraggio di argomenti digitali a elevato impatto finanziario. FinScience non prende decisioni di investimento ma fornisce informazioni”.FinScience può dunque essere definito un software di interpretazione di dati strutturati (numeri) e non strutturati (conversazioni) con il quale ampliare il set informativo a supporto delle attività di analisi dei mercati finanziari. “Monitora le sorgenti di dati digitali per segnalare eventi potenzialmente interessanti per l’investitore”, dice ancora Arrigo, “e l’analisi permette di quantificare l’interesse in rete per una certa azienda e il livello di diffusione di un contenuto in rete, di identificare i principali macro e micro temi legati all’azienda e infine di tracciare la correlazione tra i segnali forti/deboli e l’andamento di un titolo azionario. FinScience individua i segnali, anche quelli emergenti, ne calcola la diffusione nel tempo e produce indicatori di sintesi”.

Una sfida impossibile in tempi in cui le fake news hanno la capacità di divenire virali molto più velocemente delle notizie verificate? “C’è un tracciamento dei profili di comportamento dell’utente che permette di affidare differenti pesi a seconda dell’affidabilità. L’algoritmo pesa e seleziona solo notizie rilevanti per i segnali monitorati. Perché il peso sia alto occorre che la fonte dimostri una conoscenza verticale dell’argomento”.

Soprattutto però parlano i risultati, che stanno dimostrando la capacità del sistema di presentare andamenti predittivi sulle principali metriche digitali e finanziarie. Come sottolinea Milano d’Aragona, non senza mantenere una certa dose di giusta riservatezza: “Quello che posso dire in questa fase è che stiamo testando il sistema su alcuni portafogli target. Ci sono pattern di collegamento interessanti e su alcuni portafogli di aziende quotate c’è capacità di miglioramento delle performance”. Trent’anni fa la frase tipo di Gekko ai suoi collaboratori era: “Dimmi qualcosa che non so”. Oggi lo chiederebbe a un sistema per l’analisi degli alternative data?

Rispondi

Effettua il login con uno di questi metodi per inviare il tuo commento:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione /  Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione /  Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione /  Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione /  Modifica )

Connessione a %s...