Cosa significa
Un modello linguistico di grandi dimensioni elabora e genera testi usando schemi appresi durante l’addestramento. In ambito finanziario può aiutare a organizzare i commenti sui risultati, spiegare la terminologia di mercato, riassumere le notizie o formulare un’analisi in un linguaggio semplice. Non sa autonomamente se un’affermazione è aggiornata o corretta. Una risposta scorrevole può contenere un fatto inventato, omettere una precisazione o interpretare male un numero.
Un LLM è diverso da un flusso di dati di mercato, da una formula deterministica di rischio e da un sistema di esecuzione degli ordini. La sua utilità dipende dall’attività, dalle informazioni fornite e dalle verifiche effettuate sui risultati. Le decisioni finanziarie richiedono inoltre di considerare prezzi, quantità, costi di negoziazione e rischio, non soltanto una spiegazione plausibile.
Come si calcola
Un LLM non ha un’unica formula finanziaria. Durante la generazione del testo assegna una probabilità ai possibili token successivi, cioè alle unità di testo, in base all’input e al testo già generato. Una forma semplificata è P(t_next | prompt, t_previous; model). Qui, P è la probabilità assegnata dal modello; t_next è un possibile token successivo; prompt è la domanda o il contesto fornito; t_previous rappresenta i token già generati; model indica i parametri appresi dal modello. Si tratta di una probabilità relativa al testo, non della probabilità che un’operazione abbia successo né di una previsione del rendimento.
Un’applicazione finanziaria può calcolare separatamente spread, volatilità o altre grandezze tramite formule esplicite, per poi fornire i risultati a un LLM affinché li interpreti. La distinzione è importante: la generazione del testo non convalida il calcolo sottostante.
Esempio pratico
Supponiamo, a titolo puramente ipotetico, che un investitore valuti un paniere composto da 100 azioni della Società A a 50 USD per azione e 50 azioni della Società B a 100 USD per azione. I valori delle due posizioni sono 100 × 50 USD = 5.000 USD e 50 × 100 USD = 5.000 USD, per un paniere da 10.000 USD prima dei costi di negoziazione.
- Un calcolo separato determina che ciascuna posizione rappresenta il 50% del paniere:
5.000 USD / 10.000 USD = 0,50. - L’LLM riceve questi dati e un riepilogo delle notizie fornito dall’utente. Spiega che il paniere ha pesi uguali in valore e riassume le notizie in un linguaggio semplice.
- Una verifica confronta la spiegazione con i pesi calcolati e con il testo fornito. Se l’LLM definisce la posizione nella Società A pari al 60%, l’affermazione è errata, anche se il resto sembra convincente.
I numeri e i titoli azionari sono a scopo illustrativo. L’esempio non dimostra che uno dei due titoli sia adatto né che una determinata operazione avrà successo.
Perché è importante prima di fare trading
Prima di inserire un ordine, un investitore può dover conciliare diversi tipi di informazioni: dimensione dell’ordine, liquidità, costi di esecuzione stimati, volatilità, concentrazione e notizie recenti sull’azienda. Un LLM può rendere queste informazioni più facili da leggere, ma la formulazione non va confusa con una misurazione. Verifica se un’affermazione numerica si basa su input e calcoli definiti, se le notizie corrispondono alle fonti e se l’analisi tiene conto dell’ordine e delle condizioni di esecuzione previsti.
Un linguaggio che esprime sicurezza non prova l’accuratezza del modello. In particolare, una probabilità associata a un verdetto analitico deve avere una definizione propria: non va dedotta dalla probabilità che l’LLM assegna alle parole successive.
Come lo usa PreTrAIde
PreTrAIde è una piattaforma di analisi pre-trade basata sull’intelligenza artificiale per panieri di azioni. L’utente indica una o più azioni, specificando per ciascuna il lato dell’operazione (acquisto o vendita), la quantità e le condizioni di esecuzione. Il suo livello quantitativo deterministico stima indicatori tra cui spread, impatto sul mercato e volatilità giornaliera, e produce punteggi di liquidità, volatilità ed esecuzione da 0 a 100. Gli agenti di intelligenza artificiale analizzano quindi ciascun titolo e il paniere nel suo complesso, basandosi su tali punteggi, sulle notizie e sui giudizi degli analisti, e forniscono una spiegazione in linguaggio semplice.
PreTrAIde restituisce un verdetto GO, NO-GO o MODIFY, una valutazione del rischio, una strategia di esecuzione suggerita e una probabilità di successo stimata dal modello, compresa tra il 5% e il 95%. Tale probabilità non è una garanzia né una previsione del rendimento. Le regole di sicurezza correggono contraddizioni specifiche, per esempio assegnando NO-GO a un titolo sospeso e declassando un GO quando la probabilità di successo è inferiore al 50%; modificano i verdetti soltanto in senso prudenziale. PreTrAIde non riceve, trasmette né esegue ordini: i suoi verdetti sono strumenti di supporto alle decisioni, non raccomandazioni.
Errori comuni
- Considerare un testo scorrevole come un dato verificato. Controlla cifre e affermazioni fattuali confrontandole con i dati di partenza.
- Confondere la probabilità dei token con quella di riuscita di un’operazione. Descrivono fenomeni diversi.
- Presumere che l’LLM abbia calcolato una misura di rischio. Verifica se è stata ottenuta con un calcolo separato e definito.
- Ignorare il contesto mancante. La spiegazione può cambiare al variare della quantità dell’ordine, delle condizioni di esecuzione o delle notizie fornite.
- Considerare un verdetto dell’IA come un’istruzione. Un software di analisi non sostituisce la decisione dell’investitore né quella dell’intermediario.
Domande frequenti
Un LLM può prevedere i prezzi delle azioni?
Un LLM può discutere le informazioni che gli vengono fornite, ma il testo generato non costituisce una previsione affidabile dei prezzi. Una spiegazione scorrevole non dimostra l’accuratezza di una previsione.
Qual è la differenza tra un LLM e un modello quantitativo di trading?
Un LLM genera o interpreta testi. Un modello quantitativo applica calcoli definiti a input specifici; un’applicazione finanziaria può usare entrambi per parti diverse dell’analisi.
Come posso verificare una spiegazione pre-trade generata dall’IA?
Confronta le affermazioni numeriche con gli input e i calcoli dichiarati, verifica le notizie consultando le fonti e accertati che la spiegazione tenga conto della quantità prevista e delle condizioni di esecuzione.