L’idea di prevedere il futuro dei mercati azionari esiste da quando le Aziende sono quotate in borsa. Finalmente, negli ultimi anni la tecnologia digitale è in grado di entrare nel complesso mondo della gestione economica e di mettere a disposizione nuovi ed innovativi strumenti previsionali.

Uno di questi è quello proposto dalla GAM e Ca’ Foscari Venezia, attraverso l’uso dei Big Data associato a Twitter. Il progetto, infatti, consiste nell’analisi di migliaia di tweet per identificare un “indice di incertezza” che sia predittivo della tendenza dei mercati azionari.

Secondo il prof. Massimo Warglien, del Dipartimento di Management, Ca’ Foscari Coordinatore del LES GAM – Ca’ Foscari “Twitter costituisce una fonte di dati robusta e ad alta frequenza, che consente di tracciare i movimenti delle opinioni e dei sentimenti di una ampia ‘società civile’ online”.
“Il progetto del Laboratorio ha aggregato e misurato massivi dati raccolti su Twitter utilizzando la parola chiave “incertezza”, declinata per aree geografiche e tipologie di incertezza. È stato costruito un indice relativo al 2016, un anno segnato da numerose fonti di incertezza, compresi i due sorprendenti esiti del referendum inglese e delle presidenziali americane. Un primo fine della ricerca è stato quello di identificare segnali predittivi, in un modello VAR a parametri costanti, il segno della volatilità dei mercati azionari. L’“Indice Twitter dell’Incertezza” è stato utilizzato per predire gli indici di volatilità delle borse inglese e americana (VFTSE e VIX rispettivamente). Lo studio mostra che l’incertezza nella società civile, misurata attraverso l’indice, consente di prevedere con alto grado di accuratezza (79% e 84% per il mercato USA e inglese, rispettivamente) il segno della volatilità implicita nei mercati azionari. E’ stata inoltre ricostruita una mappa delle vie di contagio fra mercati, incertezza politica e opinioni della società civile in UK e USA. Infine, è stato possibile esplorare in maggior dettaglio alcune dinamiche di propagazione internazionale dell’incertezza”.

Lo studio apre un ventaglio infinto di possibilità, che mettono in campo computer superveloci in grado di elaborare milioni di dati; le moderne tecniche di machine learning (apprendimento automatico) per la lettura e l’interpretazione dei testi in tempo reale e permettono la misurazione del sentiment. Il risultato sono dei modelli previsionali di mercato, scevri da “pregiudizi cognitivi”.

In conclusione, l’analisi dei Big Data attraverso algoritmi computerizzati costituisce un “approccio scientifico e disciplinato, che utilizza insiemi di regole e relazioni statistiche nell’analisi di grandi dati per fornire rendimenti agli investimenti […]” attraverso risultati misurabili e riproducibili.