Può un algoritmo di intelligenza artificiale performare meglio di un Angel Investor? Alcuni ricercatori hanno creato un algoritmo di investimento e l’hanno messo a confronto con 255 Angel Investor.
Molti grandi fondi di venture capital utilizzano l’intelligenza artificiale (AI) per supportare le loro decisioni di investimento. Bill Maris, ex CEO di Google Ventures, una volta ha detto che “quando hai accesso ai set di dati più grandi del mondo … sarebbe sciocco esporsi e fare investimenti istintivi”.
La maggior parte degli investitori in startup, tuttavia, non ha accesso alle risorse di Google e continua a fare le cose “alla vecchia maniera”. Gli Angel Investor, ad esempio, fanno molto affidamento sul sentimento e sull’istintivo per decidere dove investire. Questo è ancora più vero se ci si muove in fase di pre-seed. Ma con l’avanzare della tecnologia e la diminuzione dei costi per la creazione di potenti algoritmi tramite che si auto-alimentano (apprendimento automatico), a un certo punto toccherà decidere se utilizzare in qualche modo l’IA.
Può, l’Intelligenza Artificiale, superare il giudizio umano nel prendere decisioni di investimento nella fase iniziale? E come dovrebbero usarla gli Angel Investor?
Per rispondere a queste domande, è stato creato da alcuni ricercatori un algoritmo di investimento i cui risultati sono stati confrontati con i rendimenti ottenuti da 255 Angel Investor. Utilizzando tecniche di apprendimento automatico all’avanguardia, l’algoritmo di IA è stato addestrato a selezionare le opportunità di investimento più promettenti tra 623 accordi di una delle più grandi reti di Angel Investor europea.
Le decisioni dell’algoritmo si basavano sugli stessi dati disponibili all’epoca per gli Angel Investor, che includevano materiale di presentazione, profili di social media, siti Web e così via. L’IA ha usato questi dati per prevedere le prospettive di sopravvivenza di una startup tralasciando invece la valutazione pre-money.
Le decisioni della IA si sono quindi basate su questo approccio previsionale per simulare gli investimenti e confrontare i rendimenti dei portafogli degli Angel Investor con quelli creati dall’algoritmo.
Oggetto di analisi è stato anche come gli Angel Investor di diversa esperienza – principianti con meno di 10 investimenti rispetto a investitori esperti con almeno 10 investimenti – si sono comportati rispetto alle prestazioni dell’algoritmo. Gli Angel Investor “esperti”, in media, hanno effettuato circa il doppio degli investimenti rispetto ai “principianti” (12,2 vs 5,2) e investito il doppio per startup (10.530 € vs 4.548 €).
I risultati sono stati sorprendenti e offrono informazioni significative su come e quando gli strumenti di investimento algoritmico potrebbero essere utilizzati per ottenere il massimo vantaggio. Secondo la ricerca , gli investitori alle prime armi sono facilmente battuti dall’algoritmo: con la loro esperienza di investimento limitata, hanno mostrato segni molto più elevati di pregiudizi cognitivi nel loro processo decisionale. Gli investitori esperti, tuttavia, se la sono cavata molto meglio. La nostra ricerca mostra come i pregiudizi modellano le decisioni degli investitori umani e come lavorare con gli algoritmi potrebbe aiutare a produrre rendimenti di investimento migliori e più equi.
L’algoritmo contro gli Angels
È stato documentato in passato che i pregiudizi cognitivi, ovvero deviazioni sistematiche dal comportamento razionale, portano a prestazioni di investimento inferiori. Sono stati misurati cinque bias:
1) local bias, che descrive la tendenza degli Angel Investor a fare investimenti che si trovano in stretta vicinanza geografica a se stessi;
2) avversione alle perdite, ovvero la tendenza degli Angel Investor ad essere più sensibili alle potenziali perdite che ai potenziali guadagni;
3) overconfidence, quando gli investitori “si sono impegnati eccessivamente” e hanno speso molto più denaro in una startup rispetto a quanto farebbero di solito;
4) pregiudizi di genere;
5) pregiudizio razziale. I nostri dati mostrano che tutti i pregiudizi erano presenti tra gli Angel Investor con un’eccessiva fiducia in sé stessi – di cui il 91% è caduto preda almeno una volta – essendo il pregiudizio più frequente e più forte per influenzare i rendimenti degli investimenti.
Poiché i pregiudizi cognitivi fanno sì che gli investitori prendano decisioni di investimento irrazionali, non sorprende che l’algoritmo di investimento oggetto della ricerca abbia superato la media umana. Mentre l’algoritmo ha raggiunto un tasso di rendimento interno medio (IRR) del 7,26%, i 255 Angel Investor, in media, hanno prodotto un IRR del 2,56%. In altre parole, l’algoritmo ha prodotto un aumento di oltre il 184% rispetto alla media umana.
Tuttavia, non tutti gli investitori sono ugualmente sensibili ai loro stessi pregiudizi. Ad esempio, gli Angel Investor con livelli di “irrazionalità comportamentale” minori hanno ottenuto risultati significativamente migliori rispetto ai loro omologhi piuttosto irrazionali: il gruppo di principianti meno prevenuto ha raggiunto una media del 3,51%, mentre il gruppo di principianti con maggiori pregiudizi, in media, ha perso denaro a -20,52% IRR .
Angel Investor esperti hanno mostrato molti meno segni di pregiudizi cognitivi e quindi hanno ottenuto rendimenti degli investimenti significativamente migliori. Questo gruppo di Angel Investor esperti ha raggiunto un IRR medio del 22,75%. L’esperienza da sola, quindi, non funziona: gli investitori con una buona dose di esperienza ma con alti livelli di bias cognitivi hanno raggiunto, in media, solo il 2,87% di IRR. I risultati mostrano quindi che solo gli investitori esperti in grado di controllare i propri pregiudizi cognitivi superano efficacemente gli algoritmi di apprendimento automatico nel prendere decisioni di investimento nelle fasi iniziali.
C’era un altro fattore che può dare agli algoritmi un vantaggio. Il raggiungimento di rendimenti di portafoglio più elevati negli investimenti di rischio ha due lati: i fallimenti e i grandi successi. Una tesi centrale negli investimenti in startup è di solito quello di trovare valori anomali statistici: i famosi unicorni. Il risultato della ricerca con l’algoritmo di IA, tuttavia, dà motivo di ripensare a questo razionale di investimento. Prevedendo le probabilità di sopravvivenza di una startup, l’algoritmo è stato in grado di selezionare portafogli molto migliori rispetto alla grande maggioranza dei 255 Angel Investor. Pertanto, i dati suggeriscono che nel più ampio schema di cose, potrebbe effettivamente essere più importante evitare un cattivo investimento piuttosto che cercare di trovare un unicorno. Gli Angel investono solo in una quantità limitata di iniziative e devono, per questo, fare molta attenzione ad ogni investimento. Pertanto, chiedersi “è un’attività redditizia con possibilità di sopravvivenza molto elevate?” potrebbe fare la differenza e permettere di ottenere rendimenti di portafoglio più elevati rispetto alla ricerca dell’ago nel pagliaio (c.d. unicorno).
Meglio significa anche più equo? Anche le IA hanno i pregiudizi!
C’è stata un’ampia discussione sul fatto che gli algoritmi di IA siano in qualche modo influenzati dai loro creatori. Nel caso di questa ricerca l’algoritmo è stato addestrato sulla sopravvivenza effettiva delle startup prese in esame e sui dati sulle prestazioni di centinaia di iniziative. Dato questo alto grado di obiettività, rispetto all’investitore medio, la selezione del portafoglio dell’algoritmo è stata meno influenzata dai classici pregiudizi di investimento come l’avversione alle perdite o l’eccessiva fiducia. Ciò non significa che l’IA non abbia mostrato pregiudizi, anzi. I ricercatori sono rimasti sorpresi nel vedere che l’algoritmo tendeva a scegliere imprenditori bianchi piuttosto che imprenditori di colore e preferiva investire in startup con fondatori di sesso maschile.
I modelli di apprendimento automatico sono spesso addestrati a discriminare tra diverse alternative decisionali, ad esempio investimenti nella fase iniziale buoni o cattivi. L’IA stessa è, per impostazione predefinita, non irrazionale o di parte e si limita a estrapolare modelli esistenti nei dati del mondo reale che gli vengono forniti per apprendere e sfruttare questi modelli per distinguere tra le potenziali alternative decisionali.
Pertanto, l’IA può essere in grado di contrastare i processi decisionali errati dei singoli investitori con scarsa esperienza di investimento, ad esempio può aiutare a correggere gli investitori che sopravvalutano la loro capacità di valutare il rischio di un determinato investimento. Tuttavia, utilizzare l’intelligenza artificiale come mezzo per combattere le disuguaglianze sociali è più impegnativo. Sebbene nella ricerca effettuato tutte le fonti di dati fossero obiettive e prive di giudizio umano – e l’algoritmo non è stato alimentato da dati di razza e genere – si è comunque giunti a decisioni distorte. L’algoritmo riproduceva le disuguaglianze sociali che erano inerenti ai dati appresi. Ad esempio, uno dei fattori più importanti su cui l’algoritmo ha basato le sue previsioni è stato il finanziamento precedente che la startup aveva ricevuto. Recenti ricerche mostrano che le donne sono svantaggiate nel processo di finanziamento e, in ultima analisi, raccolgono meno capitale di rischio, il che potrebbe impedire alle loro startup di avere altrettanto successo. In altre parole, i meccanismi sociali che fanno fallire le iniziative di fondatrici donne (peggio ancora se di colore) sono semplicemente proiettati dall’intelligenza artificiale in un circolo vizioso di discriminazione.
Si potrebbe pensare quindi di sbilanciare volutamente le decisioni della IA in base a razza e genere per aumentarne l’equità ma i rischi di una tale scelta sono molteplici e andrebbero testati in appositi ambienti di ricerca.
La ricerca oggetto di questa analisi sottolinea i vantaggi dell’utilizzo dell’IA negli investimenti in fase iniziale. Può elaborare grandi quantità di dati, correggere in parte i pregiudizi di investimento individuali e, in media, superare una controparte umana. Allo stesso tempo, gli individui di maggior successo – investitori esperti in grado di correggere i loro pregiudizi cognitivi – superano l’algoritmo in termini di efficienza e correttezza.
Come spesso accade, “in medio stat virtus”. Gli Investor dovrebbero valutare di utilizzare algoritmi di IA che producono previsioni su potenziali risultati futuri piuttosto che decisioni. In ambienti decisionali complessi e incerti, la questione centrale non è quindi se il processo decisionale umano debba essere sostituito, ma piuttosto come dovrebbe essere aumentato combinando i punti di forza dell’intelligenza umana e artificiale – un’idea che è stata definita anche intelligenza ibrida.
Intelligenza artificiale nel ciclo. Gli algoritmi potrebbero aiutare gli investitori alle prime armi a prendere decisioni di investimento nella fase iniziale ed ottenere risultati migliori all’inizio della loro attività incoraggiandoli a continuare ad investire.
Intelligenza umana nel ciclo. Per gli Angel Investor più esperti che hanno imparato a gestire i propri pregiudizi cognitivi, la loro intuizione dovrebbe ancora essere considerata il “gold standard” degli investimenti nella fase iniziale. Pertanto, gli algoritmi di IA non dovrebbero essere formati solo su dati “oggettivi” delle prestazioni passate che riproducono facilmente i pregiudizi della società, ma anche sulle decisioni e sulle azioni di questi decisori attentamente selezionati. In questo casa dunque il potenziale vede gli investitori esperti addestrare gli algoritmi di investimento a prendere decisioni di investimento migliori e più eque.
Concludendo, nonostante l’intelligenza artificiale stia entrando rapidamente nei mercati finanziari, i migliori investimenti nella fase iniziale sono ancora dominati da Angel Investor esperti. La chiave per costruire un algoritmo di investimento che possa in definitiva sostituire anche gli Angel Investor più esperti nel prendere le loro decisioni di investimento non risiede solo nel contrastare i pregiudizi umani, ma anche nell’imitare l’intuizione degli esperti nel trovare le opportunità di investimento più promettenti.
Disclaimer: questo articolo non sostituisce una consulenza legale professionale né una sollecitazione a offrire consulenza finanziaria. Quanto sopra è solo un riassunto dei termini tipici: i documenti legali e i termini variano ampiamente e quanto sopra potrebbe non essere rappresentativo dei termini di un particolare documento di obbligazione convertibile.