Nel settore degli investimenti, ACATIS è tra i pionieri nell’utilizzo dell’intelligenza artificiale (AI). ACATIS conduce attività di ricerca in questo ambito dal 2014, con l’obiettivo di impiegarla nella gestione dei portafogli. La prima applicazione pratica dell’intelligenza artificiale in ACATIS risale al 2016.
Ricerca ACATIS
Da circa quattro anni ACATIS svolge ricerche nel campo dell’intelligenza artificiale con l’obiettivo di applicarla alla gestione di portafoglio. All’inizio venivano utilizzati programmi destinati all’analisi testuale, in grado di individuare parole chiave specifiche all’interno dei rapporti.
Oggi ACATIS lavora principalmente con modelli di Deep Learning, un approccio derivato dal machine learning. Questo tipo di intelligenza artificiale può essere paragonato a un buon analista con anni di esperienza. Nel corso della propria carriera, un analista conosce numerose aziende e ne acquisisce una profonda comprensione. Col tempo, sviluppa una capacità intuitiva nel riconoscere schemi nei dati e nei bilanci aziendali, imparando a individuare le caratteristiche davvero rilevanti e a contestualizzare rapidamente nuove situazioni grazie alla propria esperienza.
I modelli di Deep Learning operano in modo simile. Imparano a riconoscere autonomamente schemi nei bilanci, che poi applicano a nuovi dati. Più dati vengono messi a disposizione del sistema, più questo può apprendere e accumulare “esperienza”.
Allo stesso tempo, con l’aumento dei volumi di dati crescono anche le esigenze in termini di capacità di elaborazione. I due grandi vantaggi dei modelli di Deep Learning rispetto a un analista umano sono la loro capacità di elaborazione molto superiore e l’assenza di coinvolgimento emotivo. Il sistema è inoltre in grado di individuare schemi che una persona non riuscirebbe a riconoscere. Inoltre, le decisioni vengono prese esclusivamente sulla base di regole generate autonomamente, senza influenze emotive.
Ulteriori approfondimenti sulle nostre attività di ricerca sono disponibili sul nostro sito web acatis.ai
Il nostro nuovo sito acatis.ai crea un ponte tra il comprovato approccio del value investing e l’intelligenza artificiale. Questi due mondi si incontrano per esplorare come gli strumenti di AI di ultima generazione possano rafforzare i principi del value investing e individuare opportunità di lungo termine. Il futuro degli investimenti supportati dall’intelligenza artificiale, combinando i principi d’investimento di Buffett con la moderna tecnologia AI, miriamo a rivoluzionare il modo in cui gli investitori valutano le aziende. Che tu sia un investitore esperto o stia esplorando il ruolo dell’intelligenza artificiale nella finanza, noi - il ramo AI di ACATIS, siamo qui per offrire analisi e strategie per aiutarti a orientarti nel futuro di un investimento intelligente e disciplinato.
Condivideremo le nostre esperienze, idee e approcci per affrontare l’investimento di lungo periodo attraverso la potenza dell’intelligenza artificiale.
Le origini dell’intelligenza artificiale
L’intelligenza artificiale (AI) come campo di studio scientifico nacque nel 1956 nell’ambito del Dartmouth Summer Research Project a Hanover, New Hampshire (USA). In questo progetto, pionieri dell’informatica come Marvin Minsky si riunirono per rispondere alla domanda se fosse possibile creare computer in grado di pensare. Nella richiesta di finanziamento si legge: “[...] Il progetto di ricerca cercherà di scoprire come le macchine possano essere programmate per utilizzare il linguaggio, per formulare astrazioni e sviluppare concetti al fine di risolvere problemi che al momento possono essere risolti solo dalle persone, e per migliorarsi continuamente. […]”.* Per molti anni si è ritenuto che i computer dovessero essere dotati di un numero sufficientemente elevato di regole esplicite per creare un’intelligenza artificiale simile a quella umana. Oggi, invece, i sistemi di AI imparano autonomamente le proprie regole, ma sono in grado di svolgere solo un compito specifico, definito in anticipo, tanto bene o meglio di un essere umano. Ciò significa che, nel tempo, l’intelligenza artificiale è passata da un approccio puramente statistico a uno basato sull’apprendimento automatico (machine learning).
Machine Learning
Il machine learning è un sottoinsieme dell’intelligenza artificiale, in cui le macchine imparano dai dati senza essere esplicitamente programmate con regole di tipo “if-then”. La parola chiave in questo contesto è “apprendimento”. I modelli di machine learning si adattano osservando ripetutamente i dati e le risposte attese, migliorando così le proprie prestazioni, proprio come fanno gli esseri umani. La macchina crea il proprio insieme di regole per eseguire un compito predefinito. Una volta appreso qualcosa, la macchina può applicare le conoscenze acquisite a nuovi dati e generare autonomamente la propria risposta. Un aspetto fondamentale del processo di apprendimento è che i dati non vengono semplicemente memorizzati, poiché in tal caso le risposte della macchina non sarebbero utili.
Deep Learning
Il Deep Learning è un metodo specifico di apprendimento automatico che ha guadagnato popolarità a partire dal 2010. La Rete Neurale Profonda (Deep Neural Network, DNN), che deve il suo nome ai molteplici strati profondi che la compongono, è diventata uno dei concetti più diffusi degli ultimi anni. Negli anni Quaranta, Warren McCulloch e Walter Pitts descrissero per la prima volta il concetto oggi noto come rete neurale. Con l’aumentare della profondità della rete, le correlazioni e i modelli appresi nei vari strati diventano sempre più complessi. Nel caso del riconoscimento di immagini, le correlazioni più semplici dei primi strati possono consistere in angoli e bordi, mentre negli strati più profondi le correlazioni precedentemente apprese vengono combinate fino a riconoscere oggetti completi. Già oggi, i modelli di Deep Learning sono in grado di classificare e generare immagini, riconoscere e tradurre linguaggi, diagnosticare malattie, guidare automobili o giocare a giochi da tavolo con prestazioni pari o superiori a quelle umane. L’intelligenza artificiale è ormai parte integrante della nostra vita quotidiana.
*Fonte: https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
