I Fondi hanno bisogno di alternative, anche di alternative data.

Il connubio tra finanza e tecnologia ha dato origine al FinTech. All'interno di questo ampio settore si sta facendo largo una nicchia particolarmente interessante per le SGR, ma anche per le aziende quotate o in procinto di quotarsi, ovvero il settore degli alternative data. Cosa sono gli alternative data e perché è importante comprenderli e sfruttarli quanto prima? La storia è recente, ma parte da relativamente lontano. A parte poche, grandi realtà che a livello mondiale possono sfruttare tecnologie e rendite di posizione che l'High Frequency Trading (HFT) continua a garantire, esiste il resto del mercato, costretto ad andare alla ricerca di modelli di investimento sempre più evoluti. Tali modelli oggigiorno sono in grado di gestire un numero infinitamente maggiore di dati rispetto anche solo a 5 o 6 anni fa, sfruttando capacità di calcolo aumentate enormemente, in un contesto di trend esponenziale (il quantum computing è alla finestra).

Questo contesto favorevole però sembra non essere sufficiente ad evitare la crisi di molti fondi hedge, tipicamente più ricettivi verso l'impiego delle nuove tecnologie. Ma, come dimostrato per l'HFT, la tecnologia di per sé non è sufficiente: l'amministratore delegato di BlackRock, Larry Fink, ha puntato il dito contro la gestione attiva dei propri fondi azionari, spostando budget ed energie verso i team con gestione di portafogli 'scientifica' e 'data-driven.

Il dato al centro di tutto. Il dataset finanziario tradizionale è a disposizione di tutti gli operatori, ma oggi quel dataset in molti casi non è più bastevole per creare valore, nemmeno con un team di data scientist a disposizione, ed ecco quindi che è partita la ricerca verso dataset 'alternativi' a quelli tradizionali, meglio conosciuti come alternative data, i quali per la maggior parte sono rappresentati da dataset digital, ovvero provenienti dalla rete. Alcuni di questi alternative data sono strutturati, come ad esempio i dati meteo o quelli e-commerce, più o meno facilmente integrabili nei modelli tradizionali, ma per la stragrande maggioranza dei casi si tratta di dati non strutturati (ovvero conversazionali): social post, blog post, news, commenti, review, ecc. Questi sono i veri e propri big data e quindi chiunque voglia trattarli deve conoscerli e conoscerli significa capirne le logiche proprie degli ambienti digitali dove vengono creati, le logiche di comunicazione sottostanti e le logiche di distribuzione nei contesti digitali. È per questo motivo che molte iniziative finanziarie che approcciano il mondo degli alternative data poi incontrano enormi difficoltà: per la mancanza di digital expertise.

Società che trattano gli alternative data e che li mettono a disposizione di chi effettua investimenti sui mercati esistono già, ma ne stanno nascendo sempre più in tutto il mondo, si pensi ad esempio all'americana Dataminr, all'irlandese Eagle Alpha o alla canadese Quandl. Anche l'Italia ha di recente visto nascere la sua prima società 'alternative': FinScience. Fondata da ex senior manager di Google Italia e da esperti digital, FinScience parte da una profonda conoscenza dei dati alternativi, per metterli al servizio di chi effettua investimenti, rivolgendosi in una prima fase esclusivamente ai professionisti del settore, sia italiani che esteri: fondi, hedge, SGR, banche d'affari, family office. Trattandosi di una realtà nata in Italia, siamo andati a vederne la composizione societaria ed in effetti abbiamo riscontrato che all'esperienza digital, rappresentata dai founder, si è affiancata quella finance dei primi investitori, tutti amministratori o top manager provenienti da realtà di alto livello nazionali ed internazionali, trovati attraverso l’intermediazione di Epic SIM.

La storia di realtà simili è ad oggi piuttosto scontata: o vengono incubate in grandi fondi d'investimento e/o banche d'affari, o vengono sviluppate in maniera indipendente, ma poi acquisite, oppure infine sono diventate esse stesse dei fondi di investimento, togliendo di fatto il loro prodotto dal mercato. Quello che è certo è che, come certificato anche da HFM Global, il trend per gli alternative data è ormai irreversibile e quindi conviene approfittarne, anche perché c'è chi lo sta già facendo, soprattutto tra gli analisti finanziari Millenials.

Il servizio di FinScience.

FinScience adotta un approccio innovativo di trattamento dei dati digitali a fini finanziari, grazie anche allo sfruttamento delle più avanzate tecnologie cloud. Il servizio offerto alle SGR può essere riassunto in due fasi:

1.  Analisi ed individuazione dei segnali (ovvero dei temi) più interessanti per agli asset finanziari di interesse (azioni, obbligazioni, commodity, … oppure indici). Al cliente viene consegnata una shortlist di segnali digitali che, in base ad un'analisi di incrocio di dati digitali e finanziari, risultano potenzialmente 'price sensitive' per gli asset di riferimento. A titolo di esempio, per il titolo Tesla FinScience ha consigliato in tempi non sospetti, tra le altre, di monitorare l'associazione con il segnale 'litio.

2. Monitoraggio dei segnali individuati ed esplorazione di nuovi segnali digitali attraverso una piattaforma software in cloud. La piattaforma consente di continuare a fruire di tutti gli aggiornamenti su ogni segnale impostato ed è inoltre possibile incrociare il dato 'alternativo' della diffusione di ogni segnale digitale con i dati finanziari 'tradizionali' (prezzi, volumi, volatilità, ecc.). È anche possibile accedere al dato alternativo tramite un sistema di API, per integrarlo direttamente nei propri modelli di investimento quantitativi, senza dover per forza accedere alla piattaforma online.