Daniele Grassi (nella foto in basso), ceo di Axyon AI risponde alle domande di Bluerating.com
Ci può ricordare chi è Axyon AI e a chi si rivolge principalmente la sua offerta?
Axyon AI è una fintech nata nel 2016 e supportata da investitori come Ing, Unicredit e Cdp. Sviluppiamo tecnologia di intelligenza artificiale (AI) e deep learning per la ricerca di opportunità di alpha, a supporto dell’industria del risparmio gestito. Grazie ai nostri prodotti i clienti – asset manager ed hedge fund – migliorano le performance delle loro strategie di investimento integrando predizioni e overlay basate sull’AI.
Recentemente avete annunciato un nuovo fundraising: come saranno impiegati i capitali raccolti? quali i vostri piani di sviluppo?
Impiegheremo le nuove risorse per sostenere la nostra crescita internazionale e sviluppare Axyon IRIS®, il nostro prodotto di punta, che offre ranking costruiti sulla performance predittiva degli asset finanziari e strategie modello basati sull’intelligenza artificiale.
Negli ultimi mesi i mercati sono stati caratterizzati da una volatilità molto elevata, in che modo hanno reagito i vostri modelli basati sull’intelligenza artificiale?
In generale i momenti di volatilità di mercato rappresentano una buona opportunità per l’individuazione di alpha relativa. Fino ad ora abbiamo visto ottime performance, in particolare nel mondo equity/stock-picking, e nel settore energia, dove la volatilità si è fatta sentire in maniera piuttosto aggressiva.
La pandemia nel 2020 e la guerra in Ucraina all’inizio di quest’anno hanno aumentato l’interesse degli asset manager nei confronti dell’intelligenza artificiale? e se sì come?
I momenti di maggiore incertezza e di underperformance portano il settore a cercare da un lato nuovi strumenti informativi, dall’altro diversificazione di alpha. Entrambi questi elementi portano ad un maggiore interesse nei confronti dell’intelligenza artificiale, sia per aumentare le performance rischio/rendimento che per supportare il proprio posizionamento sul mercato dal punto di vista dell’innovazione.
Cosa accade quando i modelli di intelligenza artificiale fanno previsioni che poi si rivelano errate o poco accurate? L’opinione condivisa è che imparino dai loro stessi errori, è vero? e se sì come funzione questo processo?
Tutto dipende dalla tecnologia e dal processo utilizzato per impiegarla. Come per gli esseri umani, imparare dagli errori è fondamentale. Un buon processo di utilizzo di intelligenza artificiale prevede il sistematico ri-allenamento dei modelli predittivi sulla base dei nuovi dati che si rendono a mano a mano a disposizione; l’architettura stessa dei modelli predittivi si occupa poi di ritarare la propria “visione del mondo” a seconda dei dati stessi, incorporando il più possibile eventuali nuove evidenze, soprattutto quando contrarie a quanto imparato fino a quel momento. Diciamo che, a differenza degli umani, non hanno un orgoglio da difendere…