Nell’ambito della collana “Quaderni Fintech“, la Consob ha pubblicato uno studio riguardante l’utilizzo dell’intelligenza artificiale mediante machine learning per l’identificazione di potenziali casi di insider trading.
La Consob, nel proprio documento, evidenzia come l’identificazione di attività di insider trading a partire dai dati sull’attività di trading degli investitori è molto impegnativa sia per il volume dei dati sia per il basso rapporto segnale/rumore.
Il documento in oggetto propone due metodi complementari di machine learning per supportare la vigilanza del mercato finalizzata all’identificazione di potenziali attività di insider trading.
Il primo utilizza il clustering per identificare, in prossimità di un evento price sensitive come un’offerta pubblica di acquisto, le discontinuità nell’attività di trading di un investitore rispetto alla sua storia di trading passata e all’attività di trading generale degli investitori sul mercato.
Il secondo approccio basato su intelligenza artificiale e machine learning mira a identificare (piccoli) gruppi di investitori che agiscono in modo coerente in prossimità di eventi price sensitive, indicando potenziali insider ring, ossia un gruppo di trader sincronizzati che mostrano un forte trading direzionale in posizioni premianti in un periodo precedente all’evento price senstive.
Come caso di studio, vengono applicati tali metodi ai dati relativi alle iniziative di trading degli investitori nel mercato italiano in occasione di offerte pubbliche di acquisto.