Siamo entrati nella Quarta Rivoluzione Industriale. Lo sviluppo del Big Data, Intelligenza Artificiale e Machine Learning ha portato allo sviluppo di due tipi di strategie di investimento:
- Fundamental Investing. Strategia di Investimento attraverso l’utilizzo di umani, specialisti di settore nella gestione di Portafoglio.
- Quantitative Investing. Strategia di Investimento attraverso l’utilizzo di Algoritmi e intelligenza artificiale.
Fundamental Investing: The Man
Questo approccio utilizza un’analisi completa del business di un’azienda, il suo management e il mercato. Si basa sulle decisioni e conoscenze di Portfolio Managers che decidono quali azioni comprare o vendere.
Secondo CNBC solo il 15% dei Fondi attivi batte il Benchmark a 10 anni.
Ora analizziamo i pro e contro di questo approccio:
Vantaggi
- Analisi fatta in modo qualitativo da esperti del settore e business.
- Analisti e Portfolio Managers si specializzano per migliorare i criteri di selezione delle aziende.
Svantaggi
- Tempo e Risorse. Richiede un team numeroso per poter coprire un’analisi su tante aziende in diversi settori.
- Human Biases. Le decisioni di investimento possono essere condizionati dalle emozioni umane.
Quantitative Investing: The Machine
Questo approccio di investimento “Sistematico” e “Data Driven” utilizza dati tradizionali e alternativi per la creazione di algoritmi e strategie di investimento.
Vengono generati segnali e fattori che permettono di costruire portafogli che migliorano l’Alpha del fondo in modo automatico senza l’intervento di un umano.
Il Medallion Fund di Jim Simons, gestito in modo quantitativo, ha generato un rendimento lordo medio annuale del 66% tra il 1988 e il 2018. Nel 2020 ha generato una performance del 76%.
Ora analizziamo i pro e contro di questo approccio:
Vantaggi
- Unbiased. Le emozioni umane non fanno parte dell’equazione.
- Big Data. Un sistema quantitativo riesce a gestire un volume elevato di dati in modo efficiente e riesce a coprire un numero maggiore di azioni con minori risorse.
Svantaggi
- Garbage In Garbage Out. Un modello quantitativo produce risultati in base alla qualità del dato. Se il dato utilizzato non è di qualità questo impatterà il risultato della strategia e del segnale.
- Black Swan. I modelli non sempre sono in grado di prevedere eventi Black Swan o Cigni Neri. Un esempio importante è quanto successo a Marzo 2020. Molti fondi quantitativi non sono stati in grado di prevedere il Covid-19 e il suo impatto.
Il Futuro della Finanza: Quantamental Investing - MAN + MACHINE
Per poter sopravvivere la maggior parte dei fondi dovranno adottare un approccio ibrido: Quantamental Investing.
Rappresenta una strategia di investimento che combina l’analisi Fondamentale con quella Quantitativa con lo scopo di ottenere ritorni migliori integrando la forza dei computer con l’intuito della mente umana.