Un sistema può analizzare dati ed eseguire ordini in pochi istanti. Questo non significa che sappia guadagnare. Nel trading automatizzato la domanda decisiva è se una strategia conserva un vantaggio dopo commissioni, spread, slippage e cambiamenti del mercato. L'intelligenza artificiale può aiutare in alcune fasi, ma non elimina quella verifica.
Il modello è solo una parte del sistema
Prima del segnale di acquisto o vendita ci sono raccolta e pulizia dei dati, scelta delle variabili, addestramento e test. Dopo il segnale vengono dimensionamento della posizione, controllo del rischio, esecuzione e monitoraggio. Un errore in una fase può rendere inutili le altre. Per esempio, un backtest che usa informazioni pubblicate dopo il momento in cui simula la decisione mostra un risultato impossibile da replicare nella realtà.
Anche una previsione statisticamente buona può non tradursi in profitto. Se il margine atteso per operazione è piccolo, costi e differenza tra prezzo teorico e prezzo effettivo possono assorbirlo. Più la strategia opera di frequente, più questo controllo diventa importante.
Tecniche diverse, problemi diversi
Modelli relativamente semplici — regressioni regolarizzate, alberi decisionali ed ensemble — possono essere utili con dati tabellari e obiettivi ben definiti. Architetture più complesse meritano attenzione quando il problema lo richiede, non perché il loro nome suoni più avanzato.
La ricerca ha sperimentato transformer sui dati del book degli ordini e reti neurali a grafo per le relazioni tra titoli. I risultati di un articolo scientifico, spesso ottenuti su dataset e metriche specifici, non dimostrano da soli che una strategia sia redditizia dopo i costi. Il reinforcement learning è studiato anche per l'esecuzione degli ordini: migliorare il modo in cui si esegue un'operazione è un compito distinto dal prevedere la direzione futura del mercato.
I modelli linguistici possono classificare comunicati, trascrizioni e altre informazioni testuali. In quel ruolo sono strumenti per preparare dati, non oracoli a cui affidare l'ordine finale. Fonti false, testi ambigui o contenuti deliberatamente manipolati possono contaminare il segnale: servono controlli sulla provenienza delle informazioni e sul comportamento del sistema.
Come si mette alla prova una strategia
Un test credibile separa dati usati per sviluppare la strategia da dati successivi mai visti dal modello. Considera commissioni, spread, liquidità e ritardi realistici. Verifica che il risultato non dipenda da un solo periodo favorevole o da pochi titoli sopravvissuti fino a oggi. Confronta la strategia con un'alternativa semplice e misura non solo il rendimento, ma anche perdite massime, stabilità e numero di operazioni.
Il paper trading può rivelare errori operativi senza rischiare capitale, ma non replica perfettamente l'esecuzione reale. Prima di usare denaro proprio, bisogna chiedersi che cosa fa il sistema quando un dato manca, un ordine viene rifiutato, la connessione cade o il mercato si muove violentemente. Una procedura di arresto è parte della strategia, non un dettaglio tecnico.
Le regole non scompaiono con l'automazione
Per le imprese di investimento che praticano trading algoritmico, la MiFID II richiede controlli, limiti, test e monitoraggio dei sistemi, anche per prevenire ordini errati e abusi di mercato. Gli obblighi specifici dipendono dal soggetto e dall'attività svolta: non vanno confusi con quelli di un privato che prova un semplice strumento di analisi.
La posizione dell'ESMA sull'AI nei servizi di investimento richiama le imprese a gestire rischi di dati, opacità e supervisione umana. La resilienza digitale è anch'essa rilevante per gli operatori finanziari soggetti al regolamento DORA. La tecnologia cambia i mezzi, non la responsabilità per il loro uso.
Nel trading AI la promessa seria non è «guadagnare senza capire». È rendere ipotesi e decisioni più misurabili. Se un fornitore mostra solo risultati passati, non spiega costi e rischi e promette profitti automatici, il problema non si risolve scegliendo un modello più sofisticato.
.png){kind=logo}