MILANO – Data is king? Intelligenza Artificiale e il valore del dato: i due temi discussi nell’edizione Fall Conference 2023 di Assiom Forex.
INTELLIGENZA ARTIFICIALE E IL VALORE DEL DATO
La qualità dei dati, la loro strutturazione così come richiesta dalla normativa europea e lo sfruttamento che di questi dati è in grado di fare l’algoritmo di machine learning sono tutti snodi cruciali che determineranno le scelte strategiche che verranno prese dalle realtà finanziarie nel prossimo futuro. Assiom Forex ha dedicato a questi temi l’edizione autunnale dell’evento Macro Trends in Financial Markets. Nel primo panel, moderato da Vincenzo Di Mase Co-responsabile Commissione Regolamentazioni Assiom Forex, si è posta l’attenzione sulla disciplina EMIR Refit che entrerà in vigore il 29 aprile 2024 e comporterà obblighi di trasparenza precisi per quanto riguarda i requisiti e la qualità dei dati comunicati. Maggiore qualità, efficientamento del processo di estrazione e reporting ne costituiscono il fil rouge e l’asse portante. “Siamo consapevoli che una maggiore qualità comporta una crescita della complessità ma anche una maggiore robustezza dell’infrastruttura tecnologica” ha rimarcato Di Mase.
UNA REGOLAMENTAZIONE
L’esigenza di una regolamentazione più robusta viene generata storicamente dalla crisi finanziaria del 2008 nell’ottica di prevenire rischi sistemici nel settore finanziario, nel 2012 entra in vigore il regolamento sui contratti derivati che delega all’ESMA (Autorità europea degli strumenti finanziari e dei mercati) la definizione di contenuti obblighi, modalità e formati. Gli standard sono stati modificati nel 2017 e successivamente nel 2019 con l’entrata in vigore di EMIR Refit. Gli standard ESMA che entreranno in vigore il prossimo anno prevedono l’armonizzazione sulla standardizzazione internazionale, una maggiore granularità nel reporting, standardizzazione del formato e delle controparti. ESMA ha emanato le linee guida che dovrebbero servire a colmare vuoti normativi e a chiarire le previsioni. CONSOB si conformerà agli orientamenti e li utilizzerà nella propria attività di vigilanza per darne comunicazione al mercato.
LE REGOLE
“Le regole di validazione sono state rese più cogenti e definiscono le condizioni affinché i report possano essere accettati” commenta Salvatore Lo Giudice Responsabile ufficio post trading CONSOB. “Dall’altra parte, si farà perno sulla responsabilizzazione delle controparti sulla qualità dei dati. Questi strumenti hanno lo scopo principale di responsabilizzare le parti segnalanti obbligate a fare controllo e monitoraggio del dato segnalato e offrono indicazione diretta alle autorità sugli errori commessi. Le controparti sono tenute a notificare alle autorità gli errori ritenuti significativi nelle segnalazioni. Le controparti si devono dotare di apposite policy per valutare la qualità del dato per identificare e correggere gli errori eventuali”.
LA DATA QUALITY
Per Andrea Gentilini, Post trading working group Chair, ESMA, gli operatori pensano che gli obblighi di rendicontazione richiesti siano eccessivi. “Abbiamo calcolato” dice Gentilini “che al momento le realtà finanziarie devono fare i conti con 40 differenti normative, tutte con obblighi di reporting rilevanti. Quello che però gli operatori non comprendono è che c’è un’opportunità che in questi anni non è stata colta e che invece avrebbe potuto portare le imprese a ricostruire e ridisegnare l’intero sistema dei dati. Quello che è stato fatto invece è stato quello di avere delle soluzioni di compromesso: informazioni uguali presenti in diversi report con il risultato che abbiamo a che fare con flussi indipendenti che vengono gestiti in maniera diversa. Che non è quello che chiede la normativa, che punta invece a ottenere informazioni in un formato pre-definito. L’obiettivo non è la raccolta di dati in sé ma la verifica che le società che negoziano derivati siano in grado di gestire il rischio che producono e a cui sono esposte. Gestire la complessità significa utilizzare in maniera intelligente dati che esistono: la data quality è solo la parte visibile di qualcosa che è molto più grande. Spesso quando vediamo un problema di data quality c’è un problema di governance che non è all’altezza dei compiti che la società si è data.“
IN CHE MODO L’INTELLIGENZA ARTIFICIALE PUÒ SUPPORTARE IL FUNDING?
Nel secondo panel moderato da Andrea Prampolini, co-responsabile Commissione Fintech &Digitalization di Assiom Forex, Gabriele Astolfi (Associate partner) e Valerio Consorti (Data scientist) di Prometeia hanno evidenziato come la banca sia l’unica istituzione che abbia accesso a quello che facciamo in ogni singolo istante e che analizzando le transizione si può profilare il comportamento delle persone segmentandolo in ogni singola transazione per capire qual è la componente a rischio da mettere a reddito. Imparare i comportamenti umani attraverso le transazioni è il progetto su cui stanno lavorando maggiormente gli algoritmi di machine learning, il cui obiettivo è la rappresentazione digitale del comportamento del cliente anche a fronte di una bassissima statistica di dati. “Quando parliamo di modelli comportamentali” dice Astolfi “la misurazione del rischio e la gestione che ne derivano sono gli strumenti che ci occorrono per strutturare processi di pianificazione strategica in grado di percepire i comportamenti che il cliente avrà nel breve termine” .
I DEPOSITI
A causa della spinta inflazionistica, ad esempio, nell’ultimo anno in Italia è stata registrata una diminuzione dei depositi del 12% (un dato che supera quello del 2010-12) solo parzialmente controbilanciato dai depositi a tempo. In casi come questi, l’utilizzo dell’Intelligenza Artificiale avrebbe potuto supportare una reazione da parte della banca. Per comprendere i fenomeni comportamentali più volatili, i modelli statistici tradizionali entrano in crisi e nasce l’esigenza di segmentare sempre di più la clientela. Il machine learning, a differenza della statistica, è uno strumento molto più flessibile e riesce ad analizzare dinamiche che non si sono verificate nelle serie storiche precedenti. Per comprendere meglio la portata applicativa dell’intelligenza generativa, Mattia De Rosa, AI Director di Microsoft, ha riportato che l’impatto dell’I.A. calcolato per l’Italia è di 312 miliardi di dollari all’anno (equivalente al 18% del Pil) che libererebbe 5,7 miliardi di lavoro annuale. Quali sono i settori che ne sarebbero maggiormente impattati? Quello dei servizi finanziari e l’ICT (Tecnologie dell’informazione e della comunicazione).
