Aula di scienze

Aula di scienze

Persone, storie e dati per capire il mondo

Speciali di Scienze
Materie
Biologia
Chimica
Fisica
Matematica
Scienze della Terra
Tecnologia
I blog
Sezioni
Come te lo spiego
Science News
Podcast
Interviste
Video
Animazioni
L'esperto di matematica
L'esperto di fisica
L'esperto di chimica
Chi siamo
Cerca
Intelligenza artificiale

Anticipare i mercati finanziari: dalla fisica ai modelli predittivi

Intervista a Marcello Rambaldi, fisico che si occupa di finanza quantitativa

leggi

Immagine di copertina gentilmente concessa da Marcello Rambaldi

Fisico di formazione con una laurea triennale all’università di Modena e una magistrale a Pisa, dopo un dottorato alla Scuola Normale Superiore in matematica finanziaria e un’esperienza da ricercatore all’École polytechnique di Parigi, Marcello Rambaldi oggi applica le sue conoscenze scientifiche per creare modelli finanziari più efficaci per un’azienda francese. Utilizzando tecniche di intelligenza artificiale e di apprendimento automatico, lavora per prevedere le evoluzioni dei mercati in un continuo di fluttuazioni delle quotazioni che apparentemente, almeno a uno sguardo superficiale, sembra non seguire alcuna regola.

INDICE

  • Il suo non è un lavoro comune né molto noto: anzitutto, come si svolge la sua giornata?
  • La conoscenza delle lingue è un parametro rilevante? E quale usa di più?
  • Qual è stata la fase che si è rivelata più importante del suo percorso di formazione?
  • Quali sono peculiarità del suo settore lavorativo in relazione al mercato del lavoro?
  • Quali sono le competenze più richieste nella sua quotidianità lavorativa?
  • Che cosa la affascina dei mercati finanziari?
  • SCIENZA IN PRATICA – Che cosa si fa, in pratica, nella finanza quantitativa?
  • LE PROFESSIONI

PER APPROFONDIRE

  • Obiettivo: analisi dati – Scopri percorsi di studio e sbocchi professionali

Il suo non è un lavoro comune né molto noto: anzitutto, come si svolge la sua giornata?

In concreto, il mio lavoro consiste nel seguire un certo numero di progetti collegati al mondo della finanza. La maggior parte del tempo in cui lavoro svolgo compiti simili a quelli di un ricercatore: analizzo dati, leggo letteratura scientifica, sistemo modelli, scrivo codici informatici, valuto correlazioni e cerco di risolvere problemi complessi utilizzando le informazioni a disposizione. Poi c’è una parte dell’attività quotidiana con caratteristiche più aziendali, fatta di riunioni di coordinamento, confronti tra colleghi e realizzazione pratica di quello che si è fatto durante il lavoro di ricerca.

Molto spesso si tende a identificare il mestiere del ricercatore come un lavoro individuale, ma in realtà durante la giornata ho tantissime interazioni con i colleghi e il tutto si svolge in maniera interattiva. Di frequente i compiti o i progetti che si devono portare a termine vengono gestiti in gruppo, e di conseguenza le mansioni individuali devono sempre essere inserite in un contesto più ampio di lavoro di squadra.

Lei è italiano, lavora in Francia ma si occupa di una materia in cui l’inglese è la lingua di riferimento: la conoscenza delle lingue è un parametro rilevante? E quale usa di più?

Nella mia attività lavorativa la conoscenza delle lingue è molto importante perché bisogna essere in grado di comunicare con persone provenienti da altri Paesi, oltre a essere capaci di comprendere pubblicazioni specialistiche scritte in varie lingue.

In generale, utilizzo per la maggior parte del tempo l’inglese, perché è la lingua di fatto universale e conosciuta da tutti nel settore finanziario, oltre che di uso comune in generale. Ovviamente non basta conoscere l’inglese in modo superficiale, ma è necessario riuscire a comunicare con scioltezza sia nel dialogo sia nella scrittura. Spesso uso anche l’italiano o il francese per comunicare con il gruppo di lavoro, in base alle caratteristiche specifiche delle persone con cui mi relaziono. Comunque sia, restando in Europa è necessario – e di fatto sufficiente – conoscere bene l’inglese.

Qual è stata la fase che si è rivelata più importante del suo percorso di formazione?

Probabilmente il dottorato è il momento di formazione che si è dimostrato più importante nel mio percorso di crescita. Mi ha permesso di ottenere tante competenze oggi essenziali e di imparare l’importanza del rigore scientifico, oltre a consolidare ulteriormente le basi di matematica, algebra lineare e altre discipline acquisite con la laurea. Questo tipo di nozioni non si può inventare o acquisire da zero, e la competitività del settore non ti permette di fare con calma esperienza sul campo: bisogna già essere capaci di operare in modo efficace nel momento stesso in cui si inizia a lavorare, portando risultati concreti. Nel mio caso, il dottorato mi ha permesso anche di acquisire la forma mentale necessaria per fare questo tipo di carriera lavorativa. L’attività professionale che sto portando avanti ora prevede l’utilizzo di modelli molto diversi da quelli che usavo in fisica, ma l’approccio e i metodi di utilizzo degli strumenti matematici sono ancora molto utili e mi permettono di avere fondamenta solide su cui costruire elementi nuovi.

Quali sono peculiarità del suo settore lavorativo in relazione al mercato del lavoro?

Il mercato del lavoro nell’ambito della finanza quantitativa è molto attivo e c’è grande competizione, soprattutto in questo momento storico. Ci sono anche tanti lavori simili che possono essere adatti a persone che, come me, hanno competenze come machine learning (l’apprendimento automatico) e analisi dati. Per questo le opportunità non mancano e l’esperienza nel mondo della finanza permette di acquisire una preparazione spendibile pure in altri settori che di fatto – nella loro realizzazione pratica – sono legati al mondo scientifico. Questo vale in molti filoni della tecnologia di frontiera, nell’ambito dei social network e delle reti sociali, così come in un settore forse poco chiacchierato quale quello della gestione pubblicitaria sul web e in particolare all’interno di siti e social network. In generale, molte professioni ruotano attorno alla creazione di modelli predittivi in grado di anticipare l’evoluzione del mercato e cercare di cogliere le opportunità migliori, e tra un settore e l’altro cambiano i parametri specifici ma non l’impostazione generale e l’approccio ai problemi.

Quali sono le competenze più richieste nella sua quotidianità lavorativa?

Di sicuro sono molto importanti le competenze tecniche, altrimenti non si è in grado di essere utili al gruppo di lavoro per la risoluzione dei problemi. La quasi totalità delle persone che svolgono questo lavoro ha un dottorato di ricerca e competenze tecnico-scientifiche molto specialistiche e di alto o altissimo livello. Ma serve anche altro: in particolare, le soft skills non sono trascurabili perché è importante sapere comunicare e interagire in modo non solo positivo per il lavoro, ma anche per la qualità dei rapporti umani. Poi i risultati ottenuti con la ricerca vanno presentati, e per ottenere credibilità bisogna sapere essere convincenti ed empatici, riuscendo a trasmettere l’importanza e la qualità del lavoro svolto. Si può anche essere bravissimi nella parte tecnica ma, se è complicato interagire con la persona, tutte le sue qualità vengono vanificate. Non tutto, insomma, è sapere tecnico.

Un altro aspetto troppo spesso sottovalutato è la creatività: tenersi aggiornati e avere grandi conoscenze in materia non sempre è sufficiente per ottenere buoni risultati, ma serve lo sforzo intellettivo nel cogliere gli elementi fondamentali e nel riuscire a trovare un modo, anche alternativo, per risolvere il problema.

Che cosa la affascina dei mercati finanziari?

Dal punto di vista di un fisico, o meglio di un fisico che non lavora più in fisica, è molto interessante confrontarsi con un mondo in continua evoluzione. È stimolante lavorare in un settore che non dà certezze: da un lato è molto difficile risolvere i problemi, dall’altro ci si abitua a gestire delle sfide complesse e di difficile interpretazione. Non si arriva mai a una soluzione definitiva, ma è sempre tutto in continuo mutamento e le informazioni nuove che arrivano rendono il lavoro sempre diverso. Certamente sono elementi presenti anche in altri lavori, ma nell’ambito della ricerca il fascino è particolare. Per il resto, il motore che mi ha avvicinato a questo lavoro è la curiosità: sono sempre stato appassionato di mercati finanziari e questo mi ha portato a informarmi e a essere attratto da un settore che riserva sempre sorprese.

SCIENZA IN PRATICA

Che cosa si fa, in pratica, nella finanza quantitativa?

Uno degli obiettivi che ci si pone nella finanza quantitativa è di predire il prezzo futuro di determinati oggetti finanziari, che possono essere per esempio le azioni di una società. A quel punto occorre anzitutto capire e definire quali variabili entrano in gioco e come ciascuna di queste interagisce e interferisce con la previsione che si intende fare. Tutto ciò non è così distante, come approccio, dalla modellizzazione di molti fenomeni fisici, in cui si osserva un certo comportamento e si cerca di capire come legare fra loro le variabili di interesse. Può essere la meteorologia, per esempio, o la circolazione oceanica o un comportamento su scala subatomica. Nel caso della finanza, in particolare, le variabili possono essere i rendimenti, i prezzi passati o altri strumenti e indici che sono legati al valore di ciò che si intende predire. La differenza tra la fisica e la matematica finanziaria è che in quest’ultimo caso c’è molta più libertà, in quanto come variabile si può usare potenzialmente qualsiasi cosa, a patto che funzioni e si riveli efficace per il risultato che si vuole ottenere.

Le professioni

Nella matematica finanziaria sono coinvolte persone con competenze diverse, di ambito scientifio, economico e finanziario, per esempio laureate in:

  • matematica
  • statista
  • informatica
  • tecnologia dell’informazione (it)
  • economia

Inoltre, ci si interfaccia con il personale di vari enti, tra cui principalmente banche e società finanziarie.

Per approfondire prospettive occupazionali e percorsi di studio, leggi Obiettivo: analisi dati.

Aggiornato al 21 marzo 2022