L'apprendimento automatico in finanza suscita tante fantasie quanti malintesi. Questa lezione punta al contrario: spiegare onestamente che cosa un modello può fare e, soprattutto, che cosa non potrà mai fare.
Che cosa fa realmente un modello
Un modello di apprendimento automatico cerca regolarità statistiche fra variabili in ingresso (le «feature»: momentum, volatilità, valutazione, volumi…) e un risultato osservato (il rendimento a N giorni). Non ha alcuna comprensione dell'economia: individua associazioni nei dati passati.
Perché la finanza è il peggior terreno di gioco per il ML
- Il rapporto segnale/rumore è catastrofico: quasi tutta la variazione dei prezzi è rumore.
- I dati non sono stazionari: i regimi di mercato cambiano, e ciò che funzionava ieri smette di funzionare.
- Il sistema è riflessivo: se una strategia funziona e si diffonde, il suo sfruttamento la distrugge.
- I dati sono scarsi: solo qualche decennio di storico, dove altri campi ne hanno miliardi di esempi.
La promessa da cui fuggire
Ogni modello che annunci un'elevata precisione nella previsione dei prezzi è sovradattato oppure disonesto. Un modello onesto mostra un vantaggio PICCOLO ma statisticamente reale, ed è già enorme, perché è quel piccolo vantaggio, ripetuto, a costruire la performance.
La spiegabilità: la vera posta in gioco
Una previsione senza spiegazione è inutilizzabile: non c'è modo di sapere se il modello ha colto un meccanismo reale o un artefatto dei dati. I valori SHAP permettono di misurare il contributo di ogni fattore a una data previsione, e quindi di mantenere il controllo.
La posizione di Earnnest
Un modello ha posto in Earnnest solo se viene misurato, e viene ritirato se non regge. Ciò che è mostrato resta una diagnosi oggettiva: l'app non dice mai «compri», perché nessun modello dovrebbe dirlo, e perché resta neutra e non personalizzata.
La giusta postura
Un modello è un assistente, non un oracolo. Elabora più dati di Lei e senza emozioni; ma non capisce nulla del mondo, ignora ciò che non è nei suoi dati e sbaglierà. Lo usi per illuminare una decisione, mai per evitarla.
À retenir
- ✓Il ML individua regolarità statistiche, non comprende l'economia.
- ✓La finanza è un terreno ostile: rumore massiccio, non stazionarietà, riflessività, pochi dati.
- ✓Diffidi delle forti promesse di precisione; esiga spiegabilità (SHAP).