Prevedere le recessioni utilizzando l’intelligenza artificiale
In economia, gli sforzi per prevedere il ciclo economico e soprattutto le recessioni sono centrali. La capacità di rispondere tempestivamente alle turbolenze economiche può fare la differenza tra successo e fallimento per aziende, investitori e governi. Negli ultimi anni, l’intelligenza artificiale (AI) ha assunto un ruolo impressionante nel migliorare la nostra capacità di prevedere le recessioni economiche. L’intelligenza artificiale può essere considerata uno strumento affidabile per identificare le recessioni?
Recessione imminente negli Stati Uniti?
La discussione sulla possibilità che gli Stati Uniti saranno colpiti da una recessione nel 2024 è in pieno svolgimento. Goldman Sachs stima la probabilità al 15%. La Federal Reserve Bank di New York, invece, prevede il 69% utilizzando una curva dei rendimenti, un indicatore popolare per determinare le recessioni. Sondaggi condotti tra amministratori delegati e consumatori mostrano che rispettivamente l’84% e il 69% ritiene probabile una recessione nei prossimi 12-18 mesi. Gli analisti quantitativi, noti anche come “quants”, si chiedono ora se l’intelligenza artificiale possa essere utilizzata per migliorare la precisione. Tuttavia, è stato dimostrato che il machine learning non è così utile come si sperava inizialmente.
Debolezze dell'intelligenza artificiale
“I modelli di recessione non si sono evoluti tanto rispetto ad altri settori”, afferma Max Gokhman, responsabile della strategia di investimento MosaiQ presso Franklin Templeton. Ciò è dovuto a due ragioni principali. Da un lato, semplicemente non ci sono dati sufficienti per addestrare tali modelli in modo efficace. D’altro canto, è difficile isolare i segnali economici rilevanti e valutarli adeguatamente. I dati sono il fondamento dell’intelligenza artificiale, ma in questo contesto sono limitati. Dagli anni ’90, ci sono state solo quattro recessioni negli Stati Uniti sulla base degli indicatori del PIL. Pertanto, la capacità di apprendimento dei modelli è fortemente limitata, il che ne ostacola notevolmente la complessità. Aric Whitewood, co-fondatore del macro hedge fund AI per addestrare efficacemente un modello.
Tentativo di BNPPAM
I quantitativi dividono le previsioni della recessione in due aree principali: identificare le variabili che indicano una recessione imminente e trovare tecniche statistiche innovative per sviluppare nuove fonti di dati per le previsioni. Analogamente agli economisti, si basano su vari indicatori per determinare le recessioni, tra cui l’inversione della curva dei rendimenti del Tesoro, le fluttuazioni del prodotto interno lordo (PIL) o i modelli di cambiamento di Markov. Inoltre, utilizzano modelli fattoriali dinamici, che presuppongono che il movimento comune in un gran numero di serie temporali possa essere spiegato da un numero limitato di fattori comuni non osservati. Uno di questi fattori latenti è il ciclo economico. La società di gestione patrimoniale BNPPAM ha sviluppato modelli basati su variabili macroeconomiche per creare un indicatore di allarme precoce delle recessioni. Sfortunatamente, i segnali risultanti erano troppo deboli e non potevano essere utilizzati con successo nel trading in tempo reale. A causa della rinnovata mancanza di dati sufficienti e dell’enorme complessità dei mercati finanziari, il progetto è stato sospeso a tempo indeterminato.
Apprendimento approfondito
Nel frattempo, Franklin Templeton ha lavorato a lungo sul deep learning per analizzare ulteriormente la rete di fattori che contribuiscono alle recessioni. Il deep learning rappresenta una branca del machine learning che mira a imitare il funzionamento del cervello umano. In questo metodo, il processo di apprendimento automatico ricerca modelli nei dati storici modificando i coefficienti delle formule definite dagli analisti quantitativi. La relazione con i risultati previsti si evolve nel tempo. La sfida qui è che il modello ricrea le formule da zero, facendo sì che i dati diventino opachi e inutilizzabili. In conclusione, si può affermare che l’intelligenza artificiale non può (ancora) essere utilizzata come sistema di allarme affidabile per le recessioni. Questa situazione è senza dubbio destinata a cambiare nei prossimi anni poiché i modelli e la tecnologia complessiva continuano a perfezionarsi.
Lavori IT
Lavori amministrativi
Lavori di bellezza
Lavori nell'istruzione
Lavori in finanza
Lavori nel settore sanitario
Lavori in risorse umane
Lavori in logistica 
Lavori in farmaceutica
Jetzt teilen
Jetzt teilen