La parola “bolla” ha riecheggiato con insistenza sui mercati finanziari negli ultimi mesi. Il riferimento principale è all’intelligenza artificiale e alle valutazioni stratosferiche raggiunte da alcune società tecnologiche: investimenti miliardari, aspettative altissime, ma ancora pochi profitti concreti. Lo scenario ricorda, almeno superficialmente, altri momenti della storia finanziaria in cui l’entusiasmo degli investitori ha gonfiato i prezzi degli asset ben oltre ogni ragionevole giustificazione. Quando si parla di bolle speculative, la spiegazione più immediata è sempre la stessa: sono il prodotto dell’irrazionalità che si impossessa del mercato, di una sorta di follia collettiva che fa perdere il senso della misura. Ma forse c’è qualcosa di più profondo e meno scontato dietro questi fenomeni.
A suggerircelo è uno studio appena pubblicato da Gadi Barlevy, economista della Federal Reserve Bank di Chicago, che rivisita da cima a fondo il dibattito teorico su come e perché nascono le bolle speculative. Il lavoro non offre ricette immediate per capire se l’IA sia davvero una bolla, ma propone una chiave di lettura nuova e più articolata di come gli investitori razionali possano creare e alimentare bolle senza necessariamente cadere preda dell’irrazionalità.
Per decenni, gli economisti hanno cercato di spiegare le bolle attraverso modelli in cui tutti gli agenti sono perfettamente razionali. I primi risultati furono scoraggianti: in questi modelli, le bolle erano o impossibili o possibili solo in condizioni così irrealistiche da essere quasi inutili per capire la realtà. Per esempio, molti modelli richiedevano orizzonti temporali infiniti o popolazioni in crescita perpetua. Uno studio empirico del 2016 su contratti di affitto di lunghissima durata nel Regno Unito e a Singapore aveva addirittura mostrato che gli investitori non sembrano distinguere tra asset che durano centinaia di anni e asset che durano per sempre, minando alla base questi modelli teorici.
Di fronte a questi limiti, molti ricercatori hanno puntato su spiegazioni alternative basate sui bias cognitivi degli investitori. Modelli in cui alcuni trader formano aspettative esagerate sui rendimenti futuri (extrapolative beliefs), attribuiscono troppo peso alle informazioni recenti (diagnostic beliefs), o sono eccessivamente sicuri delle proprie valutazioni (overconfidence) sembravano funzionare meglio. In questi scenari, le bolle nascono perché chi è ottimista compra asset spingendone i prezzi verso l’alto, fino a quando la realtà non smentisce l’ottimismo e i prezzi crollano.
Barlevy propone però un’interpretazione diversa. Secondo lui, il problema dei primi modelli con agenti razionali non stava nella razionalità in sé, ma nel fatto che questi modelli assumevano che tutti gli investitori avessero le stesse informazioni e le stesse credenze. Quando tutti sanno le stesse cose e ragionano allo stesso modo, una bolla può esistere solo se porta benefici a tutti i partecipanti, un po’ come un meccanismo di risparmio collettivo. Ma nella realtà i mercati non funzionano così.
Quando invece agenti perfettamente razionali ricevono informazioni diverse o partono da credenze soggettive differenti su situazioni nuove e incerte, allora le bolle diventano possibili anche senza bisogno di invocare l’irrazionalità. In questi modelli, un investitore può acquistare consapevolmente un asset che ritiene sopravvalutato, semplicemente perché crede di poterlo rivendere più tardi a qualcun altro meno informato o più ottimista. È la classica teoria del “più sciocco” (greater fool theory): compro qualcosa che so essere troppo caro perché spero che ci sia qualcuno ancora più sciocco di me disposto a pagarlo ancora di più.
Lo studio della Fed di Chicago passa in rassegna diversi modelli in cui agenti razionali con informazioni asimmetriche creano bolle. In alcuni scenari, per esempio, alcuni investitori sanno che un asset è sopravvalutato ma non sanno se altri lo sanno, e quindi sono disposti a rischiare comprando nella speranza di rivenderlo prima che la bolla scoppi. In altri casi, investitori che devono affidarsi a intermediari per gestire il loro denaro possono trovarsi esposti ad asset rischiosi sopravvalutati perché gli intermediari hanno incentivi a prendere rischi eccessivi, e chi li ha ingaggiati non può controllare perfettamente cosa fanno con i soldi ricevuti.
La cosa interessante è che questi modelli con agenti razionali ma con credenze eterogenee producono bolle molto simili a quelle generate da modelli con agenti irrazionali. In entrambi i casi, gli investitori comprano asset nella speranza di guadagnarci nel breve termine, anche quando sanno o dovrebbero sapere che i prezzi sono eccessivi. La differenza sostanziale non sta tanto nei comportamenti osservabili quanto nelle implicazioni per le politiche economiche.
Questa distinzione è tutt’altro che accademica. Se le bolle nascono dall’irrazionalità, i regolatori potrebbero giustificare interventi paternalistici per proteggere gli investitori da se stessi. Se invece nascono da investitori razionali che prendono decisioni consapevoli in contesti di informazione asimmetrica, allora gli interventi dovrebbero concentrarsi sulla correzione delle inefficienze di mercato e sulla riduzione delle asimmetrie informative, non sul dire agli investitori cosa è bene per loro.
Lo studio di Barlevy non risolve il dibattito su cosa stia accadendo oggi sui mercati dell’intelligenza artificiale, né offre strumenti immediati per distinguere un boom giustificato da una bolla destinata a scoppiare. Ma ci ricorda una lezione importante: semplificare le bolle come pura follia collettiva rischia di farci perdere di vista dinamiche più complesse e sfumate. Anche investitori perfettamente lucidi e razionali, che sanno esattamente cosa stanno facendo, possono contribuire a gonfiare una bolla se credono di essere più furbi degli altri. Il mercato non è necessariamente impazzito. Forse sta solo giocando a chi sarà l’ultimo a restare con il cerino in mano.
Foto di Pete Linforth
