Ricerca

I ricercatori di RAM AI esplorano costantemente nuovi modi d'estrarre informazioni dai dati per generare ulteriori fonti di rendimento, aumentare la diversificazione e migliorare la liquidità. La nostra convinzione è che la ricerca sia in continua evoluzione e un approccio disciplinato all'investimento ci aiuti a trarre vantaggio dalle inefficienze del mercato, sfruttando al meglio i progressi tecnologici e il crescente volume d'informazioni che ad oggi abbiamo a disposizione.

Utilizzando notizie finanziarie reali su vari universi d’investimento, il nostro team di ricerca perfeziona i LLM, addestrandoli a diventare esperti nel valutare l'impatto del flusso di notizie sui rendimenti azionari. I modelli DeBERTa, Mistral e Llama perfezionati producono previsioni di rendimento che portano a forti performance di portafoglio, superando i modelli di sentiment convenzionali. Leggi il documento completo qui. Solo in inglese.

I Large Language Models (LLM) hanno rivoluzionato l'elaborazione del Natural Language Processing e possono essere sfruttati in diverse applicazioni nel settore della gestione degli investimenti. Il seguente caso di studio guidato da Tian GUO, PhD, mostra i vantaggi dei moderni LLM nell'estrarre informazioni con un significativo potere predittivo sui rendimenti azionari futuri, in particolare per i titoli di piccola e media capitalizzazione. Leggi il documento completo qui. Solo in inglese.

Al giorno d'oggi, i modelli linguistici di grandi dimensioni sono tra le tecniche di elaborazione del linguaggio naturale di maggior impatto e hanno guadagnato popolarità in diverse applicazioni, come la traduzione automatica, la comprensione del linguaggio, ecc. Questi modelli linguistici possono essere messi a punto su insiemi di dati specifici del dominio per adattarsi alle applicazioni corrispondenti. In questo articolo, studieremo l'effetto del sentiment delle notizie finanziarie e degli impatti dei testi sulle previsioni dei rendimenti azionari. Il nostro framework di deep learning sviluppato internamente è in grado di modellare le interazioni tra le diverse caratteristiche di input e facilita il confronto tra le combinazioni di caratteristiche. Leggi il documento completo qui. Solo in inglese.

In questo articolo esamineremo la crescente popolarità dell'intelligenza artificiale e il potenziale sviluppo per la finanza a seguito dell'implementazioni del machine learning. Poiché la tecnologia continua a spingere i confini della nostra immaginazione, nuove dimensioni emergeranno senza dubbio nel tempo. Leggi il documento completo qui. Solo in inglese.

I tradizionali dati di mercato sono tipicamente strutturati in termini numerici dai modelli statistici. Il Machine Learning può aiutare a gestire l'abbondanza di ricchi dati testuali ricavati da notizie finanziarie, rapporti sugli utili e trascrizioni e la loro correlazione con i mercati, attualmente meno sfruttati dai manager quantitativi. Facciamo un tuffo nelle tecniche NLP e nei loro metodi d'integrazione in RAM AI con il seguente Q&A. Domande e risposte con il ricercatore di RAM, Tian Guo. Solo in inglese.

L'incorporazione di fattori ambientali, sociali e di governance (ESG) negli investimenti sistematici ha attirato numerose attenzioni di recente. In questo articolo, ci concentriamo sugli eventi ESG nel flusso di notizie finanziarie ed esploriamo il potere predittivo delle notizie finanziarie ESG sulla volatilità delle azioni. In particolare, sviluppiamo una pipeline d'estrazione di notizie ESG, rappresentazioni di notizie e inferenza bayesiana di modelli di deep learning. La valutazione sperimentale su dati reali e su diversi mercati dimostra la superiorità delle previsioni, nonché la relazione tra l'alta volatilità e le azioni con rischio potenzialmente elevato e basso rendimento. Ció mostraanche la struttura di previsione flessibile per vari dati testuali e variabili target. Leggi il documento completo qui.Solo in inglese.

In seguito all'impennata del VIX intraday senza precedenti che abbiamo visto il 5 agosto, iniziata dal “panic hedging” e dalla vendita di posizioni corte sulla volatilità da parte dei dealer, noi analizziamo il ruolo del panorama in evoluzione dei prodotti sulla volatilità ed esploriamo l'attrattiva del premio per il rischio di volatilità. Leggi il documento completo qui. Solo in inglese.

RAM AI ha sviluppato un framework di deep learning per prevedere i rendimenti azionari sulla base di un'ampia gamma di input di serie temporali. Il presente documento illustra come le strategie a più breve termine presentino di per sè interessanti caratteristiche autonome e siano vantaggiose per i book a più bassa frequenza. Leggi il documento completo qui. Solo in inglese.

I profitti che un'azienda genera possono essere distribuiti ai suoi azionisti attraverso dividendi/acquisti d'azioni, possono essere usati per ripagare parte del suo debito o per nuovi progetti. Un'azienda investe nella sua crescita organica futura attraverso la ricerca e lo sviluppo (R&S) o investimenti di capitale (Capex). In un precedente documento di ricerca abbiamo studiato l'effetto degli annunci di Capex sui rendimenti azionari. Il presente documento analizza l'attività di R&S e il suo impatto sui fondamentali aziendali. Leggi il documento completo qui. Solo in inglese. 

I profitti che un'azienda genera possono essere distribuiti ai suoi azionisti attraverso dividendi/acquisti d'azioni, possono essere usati per ripagare parte del suo debito o per nuovi progetti. Un'azienda investe nella sua crescita organica futura attraverso la ricerca e lo sviluppo (R&S) o investimenti di capitale (Capex). Al gennaio 2021, il rapporto tra spese di capitale nette e vendite ha raggiunto il 2,54% per le aziende statunitensi. Leggi il documento completo qui. Solo in inglese.

RAM AI ha aderito all'iniziativa Net-Zero Asset Manager nel 2021 e si è impegnata a raggiungere emissioni nette zero entro il 2050. Ci siamo inoltre impegnati a raggiungere obiettivi intermedi con una riduzione dell'intensità delle emissioni di carbonio del 33% entro il 2025 e del 50% entro il 2030. Per raggiungere questi obiettivi sono stati adottati tre approcci complementari:
- Mitigazione del rischio climatico attraverso la costruzione dell'universo
- Integrazione delle opportunità climatiche
- Partecipazione attiva
In questo documento ci concentreremo sulla costruzione dell'universo e analizzeremo come la riduzione dell'impronta di carbonio influisca sulle performance finanziarie e sui bias di stile. Leggi il documento completo qui. Solo in inglese.

La Sustainable Finance Disclosure Regulation (SFDR) è una normativa europea introdotta nel 2019 e applicabile dal 10 marzo 2021 per migliorare la trasparenza nel mercato dei prodotti d'investimento sostenibili, prevenire il greenwashing e aumentare la trasparenza sulle dichiarazioni di sostenibilità fatte dagli operatori del mercato finanziario. In questo articolo analizziamo l'impatto che un quadro di governance SFDR può avere sui bias di rendimento e di stile. Leggi il documento completo qui. Solo in inglese.

Negli ultimi anni sono proliferati i dati che misurano le caratteristiche di sostenibilità delle aziende. Una sfida importante che i gestori degli investimenti devono affrontare è la combinazione di fattori ESG e fattori tradizionali come value, growth e momentum, che è cruciale per un processo ottimale di selezione dei titoli e di costruzione del portafoglio. Il team systematic equity di RAM AI ha sviluppato un framework di deep learning che modella l'interazione tra le diverse caratteristiche di input. In questo articolo, valuteremo l'efficacia di questo framework quando viene messo a punto per combinare i fattori ESG e tradizionali per un compito di previsione del rendimento dei titoli. Leggi il documento completo qui. Solo in inglese.

Le considerazioni sul clima nell'analisi di portafoglio e negli investimenti sistematici ha attirato di recente numerose attenzioni. Cio' è dato dalla ricerca d'investimenti sostenibili per una transizione che porti a basse emissioni di carbonio. In questo articolo proponiamo d'integrare dati strutturati e non strutturati relativi al clima nell'investimento quantitativo per i mercati azionari, come ad esempio i punteggi delle emissioni di carbonio e gli eventi climatici dai flussi di notizie. Con una struttura di deep learning valutiamo le opportunità legate al clima e il rischio delle azioni nell'universo d'investimento. La valutazione sperimentale su dati reali dimostra la bassa intensità di carbonio del portafoglio costruito, così come il buon rendimento degli investimenti. Leggi il documento completo qui. Solo in inglese.

La rapida crescita dei dati ESG negli ultimi anni li rende una nuova dimensione interessante per il processo di investimento, ma l'integrazione di ESG presenta una vasta gamma di sfide, dal filtraggio del rumore ai bias nascosti. In questo articolo presentiamo alcune delle carenze dei dati ESG, così come il valore aggiunto che gli input ESG possono portare in un processo di selezione dei titoli. Leggi il documento completo qui. Solo in inglese.

Il credito di carbonio è un termine generico per qualsiasi certificato negoziabile che rappresenta una certa quantità di emissioni di carbonio. Un governo, un'azienda o qualsiasi individuo che voglia compensare una quantità definita di carbonio emesso dalle proprie attività, può acquistare crediti per una quantità specifica di CO² per bilanciare le proprie emissioni. Leggi il documento completo qui. Solo in inglese.