Mondo degli investimenti. BlackRock Systematic sfrutta l’IA e l’apprendimento automatico

La crescente popolarità e accessibilità dell’IA ha suscitato un crescente interesse per il suo potenziale impatto sul mondo degli investimenti. BlackRock Systematic sfrutta l’IA e l’apprendimento automatico da diversi anni per aiutare a distribuire l’intuizione degli investimenti su larga scala, ad esempio utilizzando i grandi modelli linguistici LLM per migliorare la precisione del testo delle proprie analisi degli investimenti e l’efficienza nella creazione di panieri tematici. A mano a mano che i mercati si evolvono dinamicamente, queste capacità cercano di trasformare i dati in preziose informazioni per perseguire migliori risultati di investimento.

I grandi modelli linguistici

I grandi modelli linguistici, noti come LLM (Large Language Models), sono una classe di modelli di intelligenza artificiale progettati per comprendere e generare linguaggio naturale. Questi modelli, come GPT (Generative Pre-trained Transformer) sviluppato da OpenAI, sono addestrati su vasti dataset di testo e utilizzano architetture avanzate, come i trasformatori, per apprendere le strutture linguistiche e il contesto delle parole e delle frasi. Questi modelli sono chiamati “grandi” perché contengono miliardi di parametri. I parametri sono i valori interni che il modello utilizza per fare previsioni o generare testo. Più parametri ha un modello, più complesso e capace diventa, anche se richiede più risorse computazionali.

L’approccio sistematico di BlackRock

Sebbene il potenziale trasformativo dell’intelligenza artificiale (IA) sia stato messo a fuoco più di recente, queste tecnologie hanno svolto un ruolo chiave nell’evoluzione dell’approccio di investimento sistematico di di BlackRock per quasi due decenni. Rispetto ai chatbot per uso generico, i grandi modelli linguistici (LLM) che BlackRock utilizza per l’analisi della sicurezza sono addestrati e perfezionati su set di dati più ristretti e curati per eseguire attività di investimento specifiche con un elevato grado di accuratezza. Thematic Robot unisce l’intuizione umana alla potenza degli LLM e dei big data per creare panieri azionari con maggiore efficienza e ampiezza di esposizioni.

Gli LLM rappresentano un cambiamento radicale nella ricerca sull’intelligenza artificiale, sostenuto da progressi nei modelli e da una crescita enorme della potenza di calcolo e del volume di dati disponibili per la formazione. Le generazioni di modelli più recenti utilizzano la tecnologia dei trasformatori, un’architettura di rete neurale in grado di elaborare lunghe sequenze di elementi (come le parole in una frase) tenendo conto delle relazioni contestuali. Gli LLM moderni vengono formati su una vasta quantità di testo, equivalente a oltre 1.000 volte la dimensione di Wikipedia. Durante la formazione, questi modelli acquisiscono conoscenze grammaticali, nonché alcune conoscenze fattuali e ragionamenti di buon senso di base. La figura qui a fianco utilizza la parola “company” come esempio, con il modello che valuta l’importanza di altre parole per il suo significato. Le parole più rilevanti sono evidenziate nel colore arancione più scuro, tra cui il nome dell’azienda (“XYZ”), “forte” e “guadagni”. Le tonalità più chiare del colore rappresentano connessioni meno significative. La capacità di estendere questo livello di analisi più approfondito all’intera gamma di dati testuali disponibili mira a estrarre informazioni più dettagliate e preziose nell’analisi della sicurezza.

Gli LLM alla base dei chatbot generici sono addestrati su un enorme volume di input di dati relativi a diversi argomenti, il che consente loro di svolgere un’ampia gamma di attività con ampia applicabilità. Al contrario, gli LLM utilizzati nel processo di investimento qui presentato sono ottimizzati per svolgere attività di investimento specifiche, ad esempio prevedere la reazione del mercato in seguito alle conference call sugli utili aziendali. Questi modelli sono addestrati su un set di input di dati più ristretto e specifico per svolgere tale attività con un elevato livello di accuratezza.

L’accuratezza delle previsioni

La figura qui sopra confronta l’accuratezza delle previsioni del modello di conference call di BlackRock sugli utili con i recenti modelli GPT di OpenAI, utilizzando un campione casuale di 500 conference call sugli utili aziendali che hanno avuto luogo nel primo trimestre del 2024. È interessante notare che l’accuratezza delle previsioni dei modelli generici GPT di OpenAI è diminuita con le versioni più recenti di GPT-4. Una spiegazione probabile è che questi modelli sono addestrati e valutati nel loro ruolo di assistenti generici, con enfasi sul miglioramento della loro capacità di generare un output percepito come utile dagli esseri umani con ogni nuova versione. Ci sono alcune prove che questa forma di messa a punto rafforza le capacità di uso generale a scapito di altre applicazioni, il che potrebbe contribuire al degrado delle prestazioni su specifiche attività predittive. Ciò contrasta con il modello proprietario di BlackRock che è addestrato su oltre 400.000 trascrizioni di chiamate di utili che coprono oltre 17.000 aziende pubbliche, combinate con due decenni di dati storici di mercato, per apprendere esplicitamente un’associazione tra il testo delle conference call e la successiva reazione del mercato.

Il “Thematic Robot”

Quando un argomento cattura l’attenzione del mercato, ad esempio il rapido passaggio a un ambiente di lavoro da casa o il rilascio di un’innovazione rivoluzionaria, gli investitori spesso creano panieri di titoli personalizzati che possono essere realizzati manualmente (e richiedere molto tempo) o sfruttare panieri di broker esistenti che però possono mancare di trasparenza e ampiezza. Queste sfide hanno portato BlackRock a progettare un processo rapido e flessibile per la creazione di panieri azionari chiamato Thematic Robot. Il “robot” consente di unire la potenza degli LLM con i dati proprietari di BlackRock per creare panieri azionari long/short o long only con l’aiuto di un singolo strumento semplificato.