Venerdì 2 ottobre ore 14.30. Il Dipartimento del Lavoro Usa pubblica il dato sull’occupazione. Il numero è inferiore alle attese: in un lampo il rendimento del titolo di Stato decennale statunitense crolla da oltre il 2% a 195 punti base. Mercoledì 3 dicembre scorso. Sempre alle 14.30. Mario Draghi, presidente della Bce, svela le mosse sul rafforzamento dell’allentamento quantitativo. La strategia delude e, in un flash, l’euro verso il dollaro schizza in alto: da 1,055 arriva a quota 1,7.  Di esempi simili, vecchi e nuovi, i mercati sono pieni zeppi. E, in futuro, continueranno ad esserlo sempre di più. C’è da stupirsi? Ovviamente no. È l’effetto degli algoritmi, soprattutto quelli ultra-veloci, che fanno il loro mestiere: reagiscono all’istante alla notizia; sfruttano le mille pieghe dei listini.

Si dirà: non c’è vera novità. Gli High frequency trader (Hft), peraltro un po’ sotto tono dopo le recenti strette regolamentari, sono un fenomeno noto. Vero! E tuttavia c’è un aspetto di cui si parla poco. L’Hft è infatti solo un risvolto di una dinamica più ampia: la compravendita automatizzata. La quale, da un lato, non è caratterizzata dalla velocità d’esecuzione. E, dall’altro, costituisce un trend più articolato e profondo che si fa strada nella finanza. Un approccio in  cui l’uomo tende a finire sullo sfondo. Al centro della scena, sempre di più, ci sono i robot.

La riprova? La fornisce AiteGroup.  Secondo la società di ricerca, sul mercato azionario il trading algoritmico, nel 2015, ha gestito il 66% degli scambi. Nelle valute, poi,  i volumi in mano ai software sono stati il 27%. E che dire dei tradizionali titoli di Stato: qui i software hanno superato la soglia del 10%. Insomma, l’importanza del fenomeno è nei numeri.

Al che viene da domandarsi: quali le tecnologie usate da simili investitori? «Le strategie -risponde Petter Kolm, direttore del dipartimento di matematica finanziaria dell’Università di New York – sono varie. Gli hedge fund usano tecniche quali, ad esempio, la statistica, l’econometria o il machine learning per ricercare, oppure “costruire”, segnali». Indicazioni  da sfruttare, poi, nel trading algoritmico.

Già, le indicazioni operative. Queste a ben vedere sono inseguite sempre più non solo sui mercati e nei prezzi dei titoli. Bensì, nel mare magnum d’informazioni digitali presenti in rete: da quelle delle agenzie di stampa fino ai cinguettii su Twitter. «Così -indica Fabrizio Lillo, professore di matematica finanziaria alla Scuola Normale  a Pisa -i software  diventano molto utili. I sistemi, infatti, sono in grado di comprendere i testi e, quindi, offrire l’eventuale segnale al trader automatico». Come accade? «In primis l’algoritmo deve capire di cosa si parla. Così, ad esempio, i ticker delle singoli azioni permettono d’individuare la società oggetto della news». Dopo di che, il software stabilisce la polarità dell’informazione. Cioè, definisce se la notizia è positiva, neutra o negativa. «A questo livello entra in gioco il cosiddetto classificatore.  Il sistema, basandosi su un suo dizionario in cui sono contenuti i domini di molti vocaboli, riesce ad identificare le parole. Dopodichè, calcolando la quantità dei termini positivi e negativi, individua la polarità della notizia stessa».

Ma non è solamente una questione statistica. «Esiste anche l’algoritmo semantico  – afferma Marco Varone, presidente di Expert System -.I nostri software, infatti, sono in grado di identificare la relazione esistente tra due diversi vocaboli. Si tratta di una “capacità” conseguente alla creazione, negli anni, di una grande base di conoscenza archiviata in cui i vocaboli sono stati correlati tra loro». Così l’algoritmo, prima, compie l’analisi grammaticale (distingue e individua, ad esempio, i  nomi e  i verbi). Poi, realizza quella logica. Infine, «pone in essere l’analisi sulla relazione dei vocaboli». Fornita l’interpretazione il messaggio è inviato al robot. Il quale, a sua volta, avvierà le danze. Con buona pace dell’investitore umano.