L’equazione del panico che ha previsto il crollo dei mercati

Il propagarsi del Coronavirus sta mettendo a durissima prova le coronarie degli operatori. Se per quanto riguarda il nostro Paese forse si inizia ad intravedere la luce in fondo al tunnel, l’impatto della pandemia, sia in termini di vite umane che di conseguenze economiche, è ampio per tutti i Paesi europei e particolarmente forte per quanto riguarda gli Stati Uniti.

Nonostante praticamente tutte le maggiori banche centrali e governi dei Paesi sviluppati abbiano messo in campo decise misure per affrontare il “lockdown” e permettere alle economie di ripartire una volta che l’emergenza sarà finita, le borse europee hanno archiviato il peggior trimestre dal 2002 mentre per Wall Street i primi tre mesi del 2020 sono stati i peggiori della sua storia.

Quasi tutti gli operatori si sono trovati a dover fronteggiare forti perdite: secondo le indicazioni che arrivano dall’HFRX Equity Hedge Fund index (l’indice che misura la composizione complessiva dell’universo di hedge fund), l’ultimo periodo è stato il peggiore di sempre nella storia degli hedge fund.

Ma c’è chi è riuscito ad anticipare i crolli. Tra questi spicca il fondo Euklid, che lavora esclusivamente con algoritmi e operazioni scritte sulla blockchain. Abbiamo contattato Antonio Simeone, fondatore e Amministratore delegato di Euklid, per provare a farci spiegare come è stato possibile per Euklid anticipare i mercati e quali sono gli strumenti utilizzati dal fondo.

Siamo passati da quello che sembrava il migliore dei mondi possibili ad uno scenario ribassista. Gran parte degli operatori si è fatta molto male, mentre voi siete riusciti ad anticipare il panico che ha caratterizzato le ultime sedute. La domanda è scontata, come avete fatto?
Hai detto bene. Sembrava. Eppure, come diceva Sir John Templeton, le quattro parole che si pagano di più sono: Questa volta è diverso. È successo nel ‘29, nel 2001, nel 2008 e probabilmente anche ora. Si pensava di essere arrivati ad un nuovo paradigma finanziario che avrebbe permesso una crescita più o meno costante e senza troppi scossoni.

Ex ante coronavirus l’imperativo era comprare ad ogni discesa. E succedeva la stessa cosa durante le crisi passate. Ma il mercato non è mai banale.

Per quanto riguarda noi, siamo dei semplici osservatori. E pochi giorni prima del crollo siamo rimasti sorpresi che la nostra esposizione short arrivasse ad essere 3 volte superiore rispetto alle bande di oscillazione a cui eravamo abituati. Gli algoritmi stavano leggendo qualcosa. Sfumature. Tracce che l’occhio umano difficilmente riesce a cogliere.

Uno dei grandi problemi per chi si approccia al mercato è rappresentato dalle troppe fonti di “distrazione”, dalle troppe variabili in gioco. Come affrontate questa criticità?
C’è da dire che anche noi abbiamo avuto questo problema. In parte lo si risolve e lo si risolveva grazie all’uso degli algoritmi. Sono oggettivi e non emotivi come le persone. Quindi, si riduce un bias strettamente legato alle emozioni.

In secondo luogo ci siamo accorti, andando avanti con la tecnologia, che i vecchi algoritmi non lavorano benissimo con il rumore. Non lo comprendevano tante volte e piuttosto che cercare di affrontarlo o studiarlo semplicemente scappavano. Non erano attrezzati, o meglio, non c’era una struttura matematica sottostante in grado di aiutarli a comprendere e a tradare la “confusione”, la “distrazione” come dici tu. O meglio quello che gli analisti definiscono rumore.

Da febbraio 2019 abbiamo integrato un nuovo approccio estremamente elegante dal punto di vista matematico ma molto complesso. Una struttura dove convivono in armonia equazioni di fisica classica, meccanica quantistica e intelligenza artificiale. E devo dire che qui il nostro Presidente, Elio Stocchi, si è superato.

Mi può fare un esempio?
Prendiamo una serie storica. Facciamo finta che sia una bottiglia di plastica. Con i vecchi algoritmi avremmo studiato questa bottiglia da migliaia di angolazioni diverse e ogni osservatore l’avrebbe esaminata in maniera diversa dall’altro. Ma restava una bottiglia. Così come la percepisce ad esempio un essere umano.

Sì, magari ogni osservatore avrebbe esaminato ogni piccola angolazione come se avesse avuto un microscopio ma restava ancorata alle equazioni della fisica classica.

Ora invece la bottiglia non è solo un oggetto. Ma è anche un insieme di particelle: la serie storica viene osservata con strumenti molto più sofisticati e che osservano molto più in profondità cercando di rivelare micro e macro pattern.

Gli osservatori non solo vedono da tante angolazioni diverse la bottiglia, ma la studiano a più dimensioni e spesso la vedono anche cambiare di forma.

Ovviamente tutto questo un essere umano non può farlo.

Quindi è corretto dire che l’inversione di tendenza innescata dal propagarsi del Coronavirus ha colto anche voi di sorpresa ma non è passata inosservata ai vostri algoritmi?
Non so se il mercato cercasse la “giusta” scusa per scendere e in verità non mi ha sorpreso. Ho studiato tutte le più grandi bolle finanziarie della storia.

Riguardo gli algoritmi, essi si sono esposti molto e direi che il crollo da Coronavirus è stato la risposta alla nostra esposizione di portafoglio. Noi siamo assolutamente neutrali o per meglio dire indifferenti agli eventi positivi e/o negativi. Se fossi stato un trader umano si. Probabilmente mi avrebbe sorpreso e non di poco.

Alla luce del vostro focus sui prezzi, che scontano e anticipano, potremmo in qualche modo dire che il vostro approccio amplia in maniera esponenziale quello dell’analisi tecnica?
Ritengo che Euklid si colloca all’estremo opposto. Di qualche generazione avanti. Basti pensare che molti anni fa il mercato era relativamente semplice da leggere. Soprattutto usando medie mobili o i classici indicatori tecnici.

Tutto questo non funziona più oramai da diversi anni.

Oltre al crollo dei mercati innescato dall’avanzata del Coronavirus, ad Euklid va riconosciuto anche il merito di aver anticipato i mercati anche nel caso della Brexit, dell’elezione di Trump o dell’abbandono del “cap” tra franco svizzero e moneta unica. Come fa il vostro modello a confermarsi valido anche in condizioni temporali e geografiche così differenti?
Perché l’input principale degli algoritmi sono i prezzi. E i prezzi, ritengo, siano la sintesi più pura della natura del mercato in quel determinato momento.

E i prezzi non cambiano la loro natura in base all’area geografica o a condizioni temporali diverse.

Devo aggiungere una cosa però, i modelli non sono uguali. O meglio, l’intelligenza artificiale cerca di comprendere la psicologia dei trader di un determinato mercato. E si adatta. Quindi, le strutture non sono identiche per ogni asset. Chi trada ad esempio Tesla ha caratteristiche molto diverse rispetto a chi trada il petrolio oppure un’azione come Exxon o Walmart.

Si tratta di un approccio realmente interessante. Cosa ha in serbo Euklid per i prossimi mesi?
Lanceremo due sub fondi. Il primo è una sorta di high frequency guidato da Intelligenza Artificiale. In poche parole gli algoritmi, in questo caso, possono arrivare a tradare anche ogni minuto sui principali future americani. Ma in questo caso non prendono come input i prezzi. Fanno un’analisi dei flussi monetari. Di come si sposta il denaro da un’asset a un altro.

Inoltre, entro fine anno lanceremo un fondo Biotech. In estrema sintesi gli algoritmi non fanno esclusivamente analisi meramente quantitative ma anche qualitative. E prendono posizione long o short prima delle tre fasi di approvazione di un farmaco. In poche parole cercano di prevedere se un determinato farmaco venga accettato o meno dall’FDA (Food and Drug Administration, l’ente governativo statunitense che si occupa della regolamentazione dei prodotti alimentari e farmaceutici, ndr).

Non ci eravamo mai spinti oltre l’analisi quantitativa e invece in questo caso l’intelligenza artificiale studia anche i paper dei ricercatori. Il curriculum dei team e da una valutazione a queste informazioni. In questo caso le regole sulle strutture algoritmiche ci sono state suggerite da alcuni biologi.

Gli algos quantitativi e qualitativi in questo caso vengono ricombinati dall’Intelligenza Artificiale e alla fine, come se fossero membri di un Consiglio di Amministrazione, decidono il da fare.