Il funzionamento delle soluzioni di intelligenza artificiale applicate al settore della vigilanza delle attività finanziarie: è questo lo studio avviato dalla Consob per smascherare l’insider trading.
In collaborazione con la scuola Normale Superiore di Pisa, è stato infatti pubblicato un rapporto nell’ambito della raccolta Quaderni Fintech con i primi risultati della sperimentazione.
Sono stati due, nello specifico, i metodi di IA presi in esame per soppiantare operazioni in pochi secondi che, al contrario, richiederebbero ore di lavoro umano.
Il primo modello, impiegato per l’analisi della condotta degli investitori discontinui, utilizza un metodo di clustering analysis in grado di identificare quei gruppi di investitori la cui attività di trading in prossimità di un evento price sensitive risulta non solo svolta in direzione premiante, ma anche caratterizzata da discontinuità operativa sia rispetto alla precedente storia di trading sia rispetto all’operatività tipica del gruppo di appartenenza.
Il secondo modello, invece, mira ad identificare piccoli gruppi di investitori che agiscono in direzionalità premiante e in modo sincronizzato in prossimità di un evento price sensitive, attraverso la metodologia cosiddetta Statistically Validated Networks.
Essa costruisce una rete di investitori caratterizzati da un’attività sincrona in termini di stati e di tempistica di trading. Partendo da una rete di investitori statisticamente validata vengono individuati gruppi omogenei di soggetti con attività simile che hanno operato in direzionalità premiante rispetto ad un evento price sensitive.
L’obiettivo dell’analisi, dunque, è quello di valutare l’eventuale continuità o discontinuità della condotta e la sua magnitudo, fornendo solo i sospetti abusi di mercato e nulla riguardo identità o altre caratteristiche relative all’autore di un eventuale abuso.
Una volta ultimata la sperimentazione, i due metodi di IA potrebbero supportare le analisi preliminari per l’individuazione di soggetti sospetti di condotte di insider trading.
