Strategie di trading con IA: cosa significa davvero

Quello che probabilmente stavi cercando

Se hai cercato "ai trading strategies", probabilmente ti aspettavi qualcosa come un modello di apprendimento che studia il mercato e prevede dove andranno i prezzi. È un'aspettativa ragionevole, perché la parola "AI" viene usata per molte cose diverse.

Quello che in realtà trovi dietro quel termine in StrategyQuant X non è una cosa sola ma due, e funzionano in modo diverso. Una è una procedura di ricerca che costruisce e filtra un gran numero di combinazioni di regole sui dati storici. L'altra è un assistente basato su prompt che trasforma una descrizione scritta in un insieme di regole di trading. Nessuno dei due studia il mercato e ti dice cosa succederà domani. Entrambi devono comunque essere testati dopo. Il resto di questo articolo separa le due cose, così sai cosa stai effettivamente guardando quando leggi "AI" su una piattaforma di trading.

Il motore di ricerca: testare combinazioni di regole, non apprendere una legge del mercato

La documentazione della piattaforma traccia una linea netta tra due modi di costruire una strategia. Il modo classico è costruire una strategia da zero a mano, senza alcuna tecnica di data-mining, che corrisponde alla costruzione manuale nello strumento AlgoWizard. L'altro modo è un approccio di data-mining: viene generato e testato un gran numero di regole candidate, e viene conservata la strategia con la performance osservata più alta sui dati storici.

Questo secondo approccio è ciò che le persone intendono di solito quando parlano di "AI" nel costruttore di strategie. In termini semplici, il software prova molte combinazioni di regole di ingresso, regole di uscita e filtri, verifica ciascuna sui dati di prezzo passati e conserva le combinazioni che hanno performato meglio su quello specifico tratto di storico. È un processo di ricerca e filtraggio. Non è la stessa cosa di un modello che ha appreso una regola generale su come si comportano i mercati. La strategia che ne esce è stata scelta perché si adattava bene allo storico testato, che è una cosa diversa da una strategia che continuerà ad adattarsi a qualunque cosa faccia il mercato dopo.

L'AI Assistant: trasformare una frase in un insieme di regole

Separata dal motore di ricerca, esiste una famiglia di funzionalità descritte nella documentazione come "AI Assistant" o simile. Funzionano a partire da prompt in linguaggio naturale invece che da una ricerca di generazione e filtraggio.

Una funzionalità, annunciata come "AI Assistant", è descritta come in grado di costruire una strategia di trading da un prompt per MetaTrader 4, MetaTrader 5, TradeStation o MultiCharts, con la piattaforma di destinazione scelta nel momento in cui la strategia viene creata. Al momento in cui questa funzionalità è stata annunciata, era in beta.

Un AI Assistant separato e integrato è descritto come basato sui modelli linguistici ChatGPT e Claude. Può generare una strategia di trading da una descrizione in linguaggio naturale, e può anche essere usato passo dopo passo per migliorare una strategia esistente. Quando questo è stato documentato, era disponibile solo per il motore di selezione azionaria.

Un ulteriore modulo, chiamato SQ AI Wizard, è descritto come capace di permettere agli utenti di creare strategie di trading inserendo semplici prompt testuali.

Quello che tutti e tre hanno in comune è l'idea di fondo: descrivi ciò che vuoi a parole, e l'assistente traduce quella descrizione in una strategia basata su regole. Non costruisce un modello del mercato a partire dalle tue parole. Produce lo stesso tipo di strategia basata su regole che produce il motore di ricerca, solo attraverso un punto di ingresso diverso. Quella strategia necessita comunque dei controlli descritti più avanti in questo articolo.

Perché l'azienda si definisce un'impresa di machine learning

L'azienda dietro StrategyQuant X si descrive come una società di sviluppo software fintech specializzata in algo trading e machine learning. Questa è un'autodescrizione tratta dai materiali dell'azienda stessa, non un'affermazione tecnica verificata in modo indipendente su uno specifico metodo usato all'interno del software.

Una serie separata di articoli della stessa fonte afferma che il suo contenuto si basa su uno studio condotto nel 2019 e nel 2020 sulla metodologia per valutare e selezionare strategie generate con il software. Quello studio a questo punto ha diversi anni, e la metodologia o il prodotto stesso potrebbero essere cambiati da allora. È un contesto utile per capire da dove viene parte del vocabolario, ma non va letto come una descrizione del comportamento attuale senza verificare se è ancora valido.

Verificare quello che è uscito: analisi di ottimizzazione e Monte Carlo

Che una strategia provenga dal motore di ricerca o da un AI Assistant, la piattaforma documenta ulteriori passaggi pensati per verificarla, non per costruirla ulteriormente.

Due di questi sono Optimization Profile e System Parameter Permutation. Entrambi richiedono che i parametri della strategia siano già stati ottimizzati. I metodi vengono poi applicati ai risultati di tutte le esecuzioni di ottimizzazione, non a una singola esecuzione isolata. In altre parole, guardano come ha performato un intero insieme di variazioni dei parametri, invece che una singola combinazione fortunata.

Un altro metodo documentato è l'analisi Monte Carlo. Funziona ripetendo la stessa simulazione molte volte con piccoli cambiamenti casuali ogni volta. Secondo la documentazione, un numero più alto di ripetizioni aumenta la significatività statistica, o affidabilità, dei risultati. Questa è un'affermazione su come si comporta il metodo, non una promessa che più ripetizioni rendano corretta una strategia. Un gran numero di simulazioni ripetute può comunque stare ripetendo la stessa debolezza di fondo.

Il rischio che entrambi i meccanismi condividono: l'adattamento al passato

La documentazione indica il curve fitting, cioè l'overfitting di una strategia agli specifici dati storici usati per costruirla, come il rischio più grande per le strategie prodotte tramite una ricerca in stile machine-learning o data-mining. Questo vale prima che sia stato fatto qualsiasi ulteriore test di robustezza, sia che la strategia provenga dalla ricerca genetica sia che provenga da un AI Assistant, dato che entrambe sono adattate a un tratto scelto di dati storici.

A causa di quell'adattamento, qualsiasi risultato di backtest o di ottimizzazione mostrato per una strategia costruita tramite ricerca automatica o un generatore basato su AI descrive il comportamento passato della strategia solo su quei dati specifici. Da solo, quel risultato non indica come la strategia si comporterà in condizioni di mercato future e non viste. Un backtest dall'aspetto solido a questo stadio ti dice che la strategia si adattava allo storico testato, non ti dice cosa succede dopo.

Cosa questo metodo può dirti, e cosa non può

Metti i due meccanismi uno accanto all'altro e il quadro diventa più semplice di quanto suggerisse il termine di ricerca. La ricerca di data-mining testa molte combinazioni di regole e conserva quelle con la migliore performance storica osservata; non scopre una legge nascosta su come si muove il mercato, trova un buon adattamento all'interno dello storico su cui è stata testata. L'AI Assistant traduce una descrizione scritta in quello stesso tipo di strategia basata su regole; non costruisce nemmeno un modello previsionale. In entrambi i casi, il numero che vedi dopo la costruzione o dopo l'ottimizzazione descrive cosa è successo sui dati passati, non cosa succederà in futuro.

Questo è un limite del metodo stesso, non una lacuna in quello che ti è stato detto al riguardo. Una strategia basata su regole, comunque sia stata prodotta, necessita comunque del tipo di verifica descritto sopra, incluso il test su dati che non sono stati usati per costruirla, prima che tu tragga qualsiasi conclusione su come potrebbe comportarsi in condizioni che non ha mai visto.

Questo articolo ha scopo formativo e non è una consulenza sugli investimenti. I risultati passati, compresi quelli dei backtest, non garantiscono risultati futuri. Fare trading su strumenti finanziari comporta rischi e puoi perdere denaro.