Esplorare le soluzioni che le nuove tecnologie, basate su applicazioni di intelligenza artificiale, possono offrire a supporto della vigilanza sui mercati, in particolare per l'identificazione di potenziali casi di insider trading. E' il tema che affronta il nuovo quaderno Fintech della Consob "Tecniche per la riduzione dimensionale dei dati a supporto del rilevamento dei casi di insider trading", pubblicato sul sito della commissione.
La ricerca, condotta in collaborazione con la Scuola Normale Superiore di Pisa, "propone un approccio metodologico diverso rispetto ai precedenti studi che hanno fatto uso di tecniche di unsupervised machine learning: in questo caso, infatti, viene applicata la tecnica di decomposizione e successiva ricostruzione di una serie temporale di dati attraverso l'analisi delle 'componenti principali', e l'uso di autoencoders, in relazione alle posizioni assunte da gruppi di investitori in un determinato titolo azionario in prossimità di un evento price sensitive", spiega la Consob.
"La logica che viene seguita, nella procedura di identificazione di comportamenti anomali da parte degli investitori, considera la posizione media ricostruita attraverso la tecnica Pca come rappresentativa di un'operatività normale.
Qualsiasi scostamento nell'operatività di un singolo investitore dal comportamento medio ricostruito nel periodo di osservazione, che sia superiore a una certa soglia di sensitività, viene segnalato dall'algoritmo come anomalo e potenzialmente meritevole di approfondimenti ulteriori attraverso tecniche di indagine 'tradizionali'".