IL MODELLO BATTE GLI ANALISTI DI WALL STREET

Il MIT (Massachusetts Institute of Technology), di nuovo protagonista sulla scena dell’IA, ha messo a punto una rete neurale ha permesso di elaborare una stima accurata del fatturato di 30 aziende americane.
La conoscenza predittiva delle vendite reali di un’azienda permette di determinarne il valore di un’azienda, e fornire così una valida indicazione agli investitori su chi investire.
Gli investitori, impiegano analisti finanziari, questi per prevedere i guadagni di un’azienda utilizzano dati pubblici, strumenti di calcolo ed intuizione personale. 

I ricercatori del MIT hanno sviluppato un modello automatizzato che supera in modo significativo gli esseri umani nella previsione delle vendite aziendali, nel caso specifico hanno utilizzato dati molto limitati e “rumorosi”.

I dataset utilizzati dai ricercatori sono state le transazioni settimanali con carta di credito ed i rapporti sui guadagni trimestrali di 34 rivenditori per un periodo che va dal 2015 al 2018 per un totale di 360 trimestri.
A differenza gli analisti (di comparazione) avevano accesso a qualsiasi dato pubblico o privato disponibile e ad altri modelli di apprendimento automatico di tipo lineare.

È necessario fare presente alcune difficoltà oggettive per la rete neurale artificiale ovvero:

• la variabilità delle vendite giornaliere;
• la variabilità del metodo di acquisto, contanti, buoni e carte di credito;
• gli acquisti con carte di credito sono una frazione indeterminata delle vendite totali.

Rendendo molto difficile la stima delle vendite complessive. Per bypassare queste problematiche è stato implementato il così detto filtro di di Kalman, questo non è altro che una variazione dell’algoritmo dell’inferenza standard utilizzato in diverse tecnologie, dalle navette spaziali ai GPS per smartphone. 

Il filtro di Kalman utilizza i dati osservati nel tempo che contengono un grado di imprecisione (rumore) non costante, correlata ad un dato certo che contiene i dati con rumore, in modo da generare una distribuzione di probabilità per variabili sconosciute su un periodo di tempo designato. Nel lavoro dei ricercatori, ciò significa stimare le possibili vendite di un singolo giorno. Per addestrare il modello, il sistema suddivide le vendite trimestrali in un determinato numero di giorni misurati, diciamo 90, consentendo alle vendite di variare da un giorno all’altro. Quindi, abbina i dati della carta di credito osservati e ‘rumorosi’, alle vendite giornaliere sconosciute. Utilizzando i numeri trimestrali e alcune estrapolazioni, stima la frazione giornaliera delle vendite totali rappresentate dai dati della carta di credito. La rete neurale artificiale ha superato le stime elaborati dagli analisti di Wall Street sul 57% delle previsioni, nonostante aveva solo due tipologie di dati a sua disposizione.

Dai primi approcci con il mercato finanziario, e considerando l’immensa mole di dati che questo produce giornalmente, riteniamo che l’Intelligenza Artificiale si svilupperà rapidamente in questo ambito.