Una sommaria mappatura della moderna finanza

Trading algoritmico e High Frequency Trading (HFT). – 4. High-frequency trading. Strategie e impatto sul mercato. – 5. Le criticità del binomio interconnessione-automazione: Flash Crash, caso Sarao e altre questioni problematiche. – 6. Iniziative a livello internazionale e statunitense. – 7. Il quadro normativo UE. Controlli e risk prevention a garanzia delle stabilità del mercato. – 8. Problemi aperti e alcune osservazioni critiche.

1. Una sommaria mappatura della moderna finanza computazionale.

L’era dell’investitore intelligente sembra essersi conclusa1. Il processo di trasformazione ingenerato dall’innovazione computazionale e algoritmica dell’ultimo ventennio ha modificato nel profondo il comportamento e la natura stessa degli operatori e delle attività di trading e di consulenza. Senza andare troppo lontano nel tempo, al volgere del nuovo millennio, l’attività di investimento veniva svolta esclusivamente sui mercati regolamentati, per il tramite di agenti di borsa o di cambio, che svolgevano professionalmente l’attività di intermediazione e richiedevano il pagamento di una commissione per il loro servizio2. Gli agenti di borsa erano intermediari professionali, che spendevano ore e ore a prendere in esame i listini e le quotazioni per scovare le opportunità di investimento da proporre porta a porta ai propri clienti. Tuttavia, per quanto talentuoso e attento potesse essere un agente nella individuazione dei titoli su cui investire e nella diversificazione del proprio paniere, la scelta di investimento finiva per essere sempre caratterizzata da una ineluttabile limitazione, dipendente dalla natura

1 T. C.W. LINN, The New Investor, in UCLA L. Rev., 2013, pp. 678 ss. Il riferimento è all’investitore intelligente descritto da Benjamin Graham nella sua famosa opera, The Intelligent Investor, pubblicata nel 1949.

2 S. ARNUK-J. SALUZZI, Broken Markets. How High Frequency Trading and Predatory Practices on Wall Street Are Destroying Investor Confidence and Your Portfolio, New Jersey, 2012, p. 9.

Tesi soggetta a copyright. Non riproducibile, in tutto o in parte, se non con il consenso scritto dell’autore.

20

‘umana’ della persona che la operava. L’errore, così come il rischio3, è infatti un elemento intrinseco all’attività di investimento e, dunque, ineliminabile nella sua interezza. Ecco allora emergere l’ideale dell’investitore intelligente, dove l’intelligenza, illustra Benjamin Graham, «è più un tratto caratteriale che celebrale»4: è pura autodisciplina e freddezza emotiva, applicata a una ponderata strategia di investimento a lungo termine. Lasciando da parte gli insegnamenti di quest’ultimo, è ormai evidente che la finanza globale sia sempre meno umana e sempre più artificiale e computerizzata. Valga al riguardo il richiamo all’avvento del Fintech5, che accorpa sotto un unico ombrello l’applicazione delle nuove tecnologie ai mercati finanziari, e all’affermazione della finanza computazionale come autonoma branca di studi6.

Tra le tecnologie applicate ai mercati finanziari un’importanza crescente riveste il c.d. trading computazionale o algoritmico. Questo si sviluppa con il nuovo millennio, abbattendo i costi di negoziazione e consentendo a chiunque di investire in un’arena ormai globale di operatori. Si diffondono strategie di investimento quantitativo, fondate sull’impiego di formule matematiche e algoritmi proprietari (c.d.

black box models)7, applicati da super computer e utilizzati per l’analisi dei rischi, la gestione dei portafogli e l’esecuzione di ordini a elevatissima velocità. Al contempo, l’aumento esponenziale dei dati,

3 G. MEO, Consumatori, mercato finanziario e impresa: pratiche scorrette e ordine giuridico, in Giur. comm., 2010, p. 723, secondo cui il rischio connesso all’investimento non può essere eliminato «pena lo snaturamento della struttura giuridica dell’operazione finanziaria».

4 B. GRAHAM, The Intelligent Investor, New York, 2006, p. 13.

5 Per un inquadramento del tema si vedano, S. CHRISTI-J.BARBERIS, The Fintech Book, 2016; B. NICOLETTI, The Future of Fintech. Integrating Finance and Technology in Financial Services, Cham, 2017.

6 C.L. DUNIS-P.W. MIDDLETON-K. THEOFILATOS-A. KARATHANASOPOULOS, Artificial Intelligence in Financial Markets. Cutting-Edge Applications for Risk Management, Portfolio Optimization and Economics, London, 2016, pp. 3 ss., dove si chiarisce che «Computational finance is a division of applied computer science that deals with practical problems in finance. It can also be defined as the study of data and algorithms used in finance. This is an interdisciplinary field that combines numerical methods and mathematical finance».

7 B.R. BROWN, Chasing the Same Signals. How Black-Box Trading Influences Stock Markets from Wall Street to Shangai, Singapore, 2010, p. 18, secondo cui «A ‘black box’ is a quantitative investment strategy in which the decisions are defined by mathematical formulas. Black-box firms design models to predict market movements based on the analysis of historical trading patterns».

Tesi soggetta a copyright. Non riproducibile, in tutto o in parte, se non con il consenso scritto dell’autore.

21

connesso alla “datificazione”8 di ogni aspetto della vita e della società in generale, insieme all’aumento delle capacità di estrarre dai dati informazioni rilevanti, finisce per favorire una maggiore sofisticazione degli stessi algoritmi usati e riflettersi sul comportamento dei soggetti operanti sul mercato mobiliare. Tali trasformazioni portano alla nascita di un nuovo tipo di investitore, osservano alcuni9, un investitore più dinamico e tecnologico, che potremmo definire “algoritmico”.

Non soltanto l’attività di trading ha conosciuto una rivoluzione epocale: sebbene i maggiori cambiamenti importati dalla tecnologia abbiano interessato proprio l’ambito delle contrattazioni10, interi comparti dell’industria finanziaria appaiono oggi integralmente trasformati11. Sicché, all’investitore algoritmico si vanno affiancando consulenti finanziari algoritmici e sedi di negoziazione che si fondano su complesse applicazioni software e la cui gestione e il cui accesso avvengono per il tramite di sistemi pressoché totalmente automatizzati. A pochi anni della crisi finanziaria del 2008, l’industria finanziaria internazionale mostra al mondo una faccia completamente diversa, sempre più conformata dagli algoritmi: una cyborg-finance, viene definita12, sempre più dipendente dall’Intelligenza Artificiale, dalle neuroscienze e dagli studi cognitivi e comportamentali.

In questa sede, si vuole prendere in esame da vicino l’impatto della tecnologia sui soggetti operanti nel mercato dei capitali: gli

8 Per un inquadramento del tema, si rinvia a V. MAYER-SCHÖNBERGER-K. CUKIER, Big Data. A Revolution that will Transform How We Think, Work, and Think, London, 2013.

9 T.C. W.LIN, The New Investor, cit., pp. 669 ss.

10 J.R. MACEY-M. O’HARA, From Markets to Venues: Securities Regulation in an Evolving World, in Stan. L. Rev., 2005, pp. 563 ss., secondo cui «Advances in technology, combined with the dramatic decrease in the cost of information processing, have conspired to change the way that securities transactions occur».

11 T.C.W. LIN, Reasonable Investor(s), in B.U. L. Rev., 2015, p. 498, secondo il quale: «While the emergence of the cyborg participant is most prominent in the areas of trading, its emergence pervades much of the financial industry».

12 F. PASQUALE, The Black Box Society. The Secret Algorithms that controls Money and Information, Cambridge-London, 2015, p. 102; vedi, anche, T.C.W. LINN, The New Investor, op. cit., p. 693, secondo cui «increased reliance on computerization and artificial intelligence in finance has fundamentally transformed modern finance into cyborg finance, an industry that faster, larger, more global, more interconnected, and less human than its previous iterations».

Tesi soggetta a copyright. Non riproducibile, in tutto o in parte, se non con il consenso scritto dell’autore.