Mentre sui mercati finanziari serpeggia qualche dubbio sull’effettiva capacità di trasformare l’utilizzo dell’intelligenza artificiale in profitti per le aziende, c’è chi ha provato a mettere all’opera l’IA proprio nel campo dell’analisi finanziaria. Chi tra analisti finanziari e intelligenza artificiale è più in grado di leggere i conti e prevedere l’andamento degli utili delle società quotate?
Alex Kim, Maximilian Muhn e Valeri Nikolaev, dell’università di Chicago, hanno recentemente pubblicato i risultati di uno studio* che mette a confronto le stime prodotte nel periodo 1983-2021 da analisti finanziari sui conti di circa 3500 società quotate con quelle elaborate, su un campione di oltre 15000 società, da parte di un modello di LLM generato con GPT-4 di OpenAI. Si tratta di numeri preliminari di uno studio che deve ancora essere revisionato, ma sembra tuttavia uno spunto di discussione interessante.
L’analisi ha rivelato che il modello LLM è riuscito a prevedere correttamente l’andamento degli utili dell’anno successivo nel 60,35% dei casi. In confronto, quando gli analisti finanziari hanno fatto le loro previsioni entro un mese dalla pubblicazione dei documenti finanziari annuali di un’azienda, queste sono risultate corrette nel 52,71% dei casi. Il livello di accuratezza delle stime prodotte dagli analisti finanziari aumenta se si aumenta il periodo di studio dei dati. A tre mesi dalla diffusione dei documenti finanziari, infatti, la percentuale di previsioni corrette sale al 55.95%.
Ma questi numeri non raccontano tutta la storia. Infatti, se l’intelligenza artificiale risulta più veloce rispetto agli analisti finanziari nel leggere i numeri di un documento contabile ed intuirne le tendenze, questi ultimi possono contare sulla possibilità di acquisire informazioni extra, molto utili in fasi perturbate dell’economia.
La riprova di questo è che nei periodi di shock economico, come durante la pandemia o nel 2008, la performance del modello LLM cala sensibilmente.
In un’ottica di lungo periodo, però, l’utilizzo di modelli LLM sembra essere profittevole. Lo studio mostra come un ipotetico portafoglio gestito seguendo le indicazioni dell’IA abbia registrato un rendimento medio annuo del 12%, ben superiore a quanto ottenuto dal mercato. E questo senza che i modelli di intelligenza artificiale abbiano incorporato informazioni esterne, ossia il contesto nel quale le società si sono mosse in questi anni.
Concludendo potremmo dire che lo studio condotto dall’università di Chicago lancia un messaggio chiaro. L’intelligenza artificiale batte gli analisti finanziari nella lettura dei numeri delle società quotate, ma questi ultimi sanno interpretare le sfumature che nei numeri non appaiono. Un altro indizio della necessità di intendere le nuove tecnologie come supporto al lavoro e non come sostituzione tout court.
* Kim, Alex G. and Muhn, Maximilian and Nikolaev, Valeri V., Financial Statement Analysis with Large Language Models (May 20, 2024). Chicago Booth Research Paper, Fama-Miller Working Paper, Available at SSRN: https://ssrn.com/abstract=4835311 or http://dx.doi.org/10.2139/ssrn.4835311
Illustrazione di Jorge Franganillo
