Grassi (Axyon AI): “Così cresceremo ancora dopo il fundraising”

A
A
A
di Redazione 18 Novembre 2022 | 11:23
Intervista al ceo della società fintech che ha da poco concluso un round di raccolta fondi. “Impiegheremo le nostre risorse per la crescita internazionale”

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…

Vuoi ricevere le notizie di Bluerating direttamente nel tuo Inbox? Iscriviti alla nostra newsletter!

Condividi questo articolo
NEWSLETTER
Iscriviti