Individuare le mosche bianche all’orizzonte, tramite una nuova modellizzazione matematica
Fino alla crisi finanziaria del 2008, i modelli finanziari venivano semplificati tramite l’integrazione di ipotesi di cui si conosceva la relativa irrealisticità. Il compromesso risiedeva nella generazione di modelli più semplici e rapidi da utilizzare, che contenevano però dati approssimati e non assolutamente precisi. Dall’applicazione della teoria statistica e della probabilità ad aspetti della crisi finanziaria è emerso chiaramente che gli eventi di questo genere, considerati estremi e pertanto improbabili, sono di fatto più frequenti di quanto presupposto da modelli procedenti. Ne consegue, tra l’altro, che la modellizzazione matematica finanziaria più recente si presenta più complessa in termini computazionali. Il progetto STRIKE, finanziato dall’UE, traeva essenzialmente impulso dall’aspirazione a trarre la massima utilità da tali modelli. Intendeva riuscirci attraverso la creazione di una rete dotata di una formazione speciale, costituita da giovani scienziati europei. Al di là dell’elaborazione di calcoli Una delle sfide fondamentali che STRIKE si proponeva di vincere consisteva nella combinazione di varie metodologie e approcci, in modo che fossero mutualmente complementari. La formazione che ha curato comprendeva analisi matematica, metodi di calcolo numerico sofisticati, metodi di simulazione stocastica, modellizzazione finanziaria (con precisi dati qualitativi e quantitativi sui mercati finanziari), tecniche di controllo ottimale e tecniche di validazione dei modelli. Superava inoltre il concetto di mera comprensione dei numeri, tendendo a considerare più a fondo i relativi impatti sociali potenziali. Il quadro teorico della ricerca era costituito dalla risposta europea alla crisi finanziaria, in cui si evidenziano caratteristiche descritte come “contagio” e “comportamento di massa”, al di là di modelli canonici (ad esempio il modello di Black-Scholes-Merton utilizzato come strumento per gli investimenti, in particolare in relazione ai derivati). Per sviluppare un nuovo modello non lineare (o non gaussiano) più solido, fondato su fattori significativi, i dati per il progetto sono stati forniti da aziende e banche. Come chiarisce il coordinatore del progetto, il prof. Matthias Ehrhardt: “Tale scelta ci ha consentito di confrontare esiti di simulazioni con i dati reali dedotti dalla storia reale. Ovviamente i dati ci hanno anche aiutato a calibrare i modelli.” Tali modelli sono stati raccolti nel STRIKE Computational Finance Toolbox, il kit di strumenti finanziari computazionali di STRIKE. Il prof. Ehrhardt prosegue: “In tal modo è stato possibile eseguire esemplificazioni e avere la documentazione con informazioni da fonti riservate, permettendo modifiche dei fattori e, quindi, l’esame degli effetti risultanti, determinati da tali impostazioni. Varie realizzazioni hanno anche sfruttato la potenza di calcolo delle unità di elaborazione grafica parallela (come quelle utilizzate per i giochi al computer), per accelerare le simulazioni.” Cosa può apprendere Czexit dalla teoria quantistica? Aggiungendo ulteriori particolari sull’utility del kit di strumenti il prof. Ehrhardt intende che la comprensione di sistemi finanziari segua quella dell’evoluzione della fisica, che è riuscita ad andare oltre le ipotesi di causalità lineare. Sintetizza così la questione: “Con STRIKE, è possibile fare maggiore affidamento sulla copertura degli esiti e l’analisi dei rischi oppure si possono adattare le ipotesi in modo più tempestivo.” Mantenendo fede al suo obiettivo di fornire strumenti decisionali utili e una rete collaborativa incentrata sulle conoscenze, STRIKE ha sviluppato modelli applicabili a situazioni e problemi reali. Il prof. Ehrhardt evidenzia un esempio di significatività particolarmente tempestiva, ricordando che “Un esempio speciale relativo alla nostra modellizzazione è consistito nel considerare la situazione in cui un paese intendeva aderire all’UE; in tale caso siamo stati in grado di ottenere una stima corretta circa l’evoluzione temporale del tasso di interesse.” Aggiunge che “Ora è possibile adottare una tecnica simile nel caso di un paese che esce dall’UE oppure che sgancia la sua moneta dall’euro. Quest’ultima situazione calza con la cosiddetta Czexit, ovvero l’operazione con cui ad aprile 2017 la Repubblica ceca ha deciso di sganciare la corona ceca dall’euro.” Per gli algoritmi sviluppati dal STRIKE, esistono applicazioni di vasta portata nel mondo reale, comprese le app che forniscono ai clienti consulenza sul mercato borsistico o informazioni sui prezzi del mercato dell’energia, utili ai cittadini per compiere decisioni sul consumo. Per ora, oltre a mantenere attivo il consorzio di ricerca, il progetto pubblicherà anche un libro sugli esiti della ricerca e svilupperà ulteriormente la sua serie biennale della Conferenza internazionale sulla finanza computazionale.
Parole chiave
STRIKE, modellizzazione finanziaria, crisi finanziaria, sganciamento di valuta, tassi di interesse, algoritmo finanziario, analisi del rischio, valutazione del rischio, kit di strumenti per il processo decisionale
