In periodo di trimestrali, sui listini azionari, sembra andare in scena un copione ben rodato. Escono i risultati, i prezzi della società interessata si muovono in fretta e subito dopo entrano in gioco gli investitori che reagiscono a ciò che vedono sullo schermo: i fondi che seguono il trend, chi ha ordini di stop-loss automatici, chi è costretto a vendere perché indebitato. È in questa finestra che si concentra la ricerca firmata da Winston Dou e Itay Goldstein, della University of Pennsylvania, e da Yan Ji, dell’Università di Scienza e Tecnologia di Hong Kong. La domanda è se, in un mercato così fatto, intelligenze artificiali capaci di pianificare possano trovare da sole il modo di sfruttarlo.
Per scoprirlo gli autori hanno costruito un mercato in miniatura: un solo titolo, due speculatori informati che conoscono in anticipo la notizia, e un ciclo di quattro istanti che riproduce quello di una trimestrale reale, dalla chiusura prima del comunicato fino alla chiusura del giorno dopo. Al posto dei due speculatori in carne e ossa lo studio ha utilizzato due algoritmi, dotati della capacità di collegare le mosse presenti a quelle future. Nessuno dei due conosce le regole del mercato, e in particolare non sa che esistano investitori che inseguono il trend, ma hanno accumulato molta esperienza. Per allenarli, infatti, sono stati usati oltre duecento annunci di trimestrali di dieci titoli molto scambiati, da Apple a Nvidia, in un arco temporale tra gennaio 2020 e giugno 2026.
Quello che i due algoritmi mettono in atto è una manovra in due tempi che somiglia più a una strategia da trader esperto che a un calcolo automatico. Nel primo istante comprano molto più del necessario, anche a prezzi già alti e in perdita. Lo fanno perché il rialzo spinge gli inseguitori di tendenza a comprare a loro volta, e il prezzo sale ancora. Nel secondo istante vendono gradualmente a quei prezzi gonfiati, e il guadagno supera la perdita iniziale. Se la notizia è negativa, la mossa è speculare. A far muovere in sincronia i due agenti è una regola imparata sul campo e studiata dalla teoria dei giochi (il famoso “carota e bastone” di Dilip Abreu): chi si sfila viene punito subito, con una vendita massiccia dell’altro che fa crollare il prezzo e cancella il vantaggio. Il tutto senza comunicazione tra i due agenti e senza un accordo esplicito.
Il costo per il mercato si vede nei numeri. Nello scenario di base la volatilità dei rendimenti nei minuti successivi all’annuncio sale al 7,90%, contro il 4,38% del caso senza coordinamento, cioè l’81% in più. Il profitto medio di ogni speculatore passa da 0,89 a 1,48 milioni di dollari. Ma l’effetto non è automatico, serve un elemento di amplificazione: senza investitori che inseguono il trend la bolla non ha nessuno che la alimenti, e il coordinamento spinge gli speculatori a muoversi con più prudenza, rendendo il mercato perfino più stabile.
Il lavoro di Goldstein e dei suoi colleghi fa emergere un problema nuovo per le autorità di vigilanza. I controlli tradizionali cercano accordi, messaggi, intese tra operatori, e nello schema che abbiamo descritto qui sopra non c’è nulla di tutto questo. Goldstein osserva che i dati reali sul trading con IA sono in gran parte riservati e che per questo ricercatori e autorità sono costretti ad affidarsi ai modelli. Il suggerimento è quello di capire anzitutto quanto siano diffusi questi algoritmi e poi di osservare i prezzi, in cerca di volatilità anomala o di rialzi pilotati seguiti da vendite. Se gli strumenti classici di rilevazione vanno in difficoltà, osservano ancora gli autori, l’attenzione va spostata dai messaggi ai comportamenti.
Come ogni esperimento di laboratorio, lo studio va interpretato con le dovute cautele e non esistono al momento prove che un fenomeno simile sia già attivo nei mercati reali. In altri termini, questo lavoro non è una denuncia ma un avvertimento: in presenza di molti investitori che seguono il trend, una bolla potrebbe nascere senza che nessuno l’abbia decisa, ma solo perché due algoritmi hanno capito da soli che conviene farla.
Foto di Jakub Żerdzicki su Unsplash
