IL PROGETTO

Insider trading, test Consob per stanare gli abusi con l’AI

Pubblicati i risultati di un esperimento portato avanti con l’Università di Pisa frutto di un’analisi su 224 piattaforme di scambio. Grazie a un sistema neurale basato su machine learning e intelligenza artificiale rilevate diverse anomalie. “Potente sostegno alle analisi delle autorità”

Pubblicato il 01 Mar 2024

Fintech,Financial,Technology,Cryptocurrency,Investment,And,Digital,Money.,Business,Concept

In che modo le applicazioni di intelligenza artificiale possono lavorare a supporto della vigilanza sui mercati, in particolare per l’identificazione di potenziali casi di insider trading? Prova a rispondere alla domanda il nuovo quaderno Fintech della Consob Dimensionally reduction techniques to support insider trading detection“, pubblicato sul sito della commissione.

SCARICA IL DOCUMENTO

Un approccio innovativo all’analisi dei potenziali abusi

Nello specifico, lo studio – basato su un data set anonimizzato e condotto in collaborazione con la Scuola Normale Superiore di Pisa – affronta il problema di identificazione di potenziali casi di insider trading e “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’ (Pca, Principal Component Analysis), 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 in una nota.

“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 dunque segnalato dall’algoritmo come anomalo e potenzialmente meritevole di approfondimenti ulteriori attraverso tecniche di indagine tradizionali.

Un risultato particolarmente significativo di questo studio è la soddisfacente convergenza dei risultati ottenuti con quelli derivati dall’applicazione delle tecniche di unsupervised machine learning descritte nel precedente paper “A machine learning approach to support decision in insider trading detection“, anch’esso frutto della collaborazione tra l’Istituto e la prestigiosa Sns Pisa.

E la Consob oscura sei nuovi siti web con servizi finanziari abusivi

Nel frattempo la Consob ha ordinato l’oscuramento di sei nuovi siti web (facenti capo rispettivamente a Ether Limited, Aegion Group Ltd, Investment Analysts, Fidelitycfd, Mex-Fx e Ultraford) che offrivano abusivamente servizi e prodotti finanziari: si tratta più nello specifico di cinque siti di intermediazione finanziaria abusiva e un portale mediante il quale viene svolta un’offerta di prodotti finanziari in mancanza di prospetto informativo.

L’Autorità ha fatto leva sulle prerogative attribuitele dal cosiddetto “decreto crescita” (legge n. 58 del 28 giugno 2019, articolo 36, comma 2-terdecies), relativamente all’oscuramento dei siti degli intermediari finanziari abusivi, e sul potere introdotto dalla legge n. 8 del 28 febbraio 2020, articolo 4, comma 3-bis, riguardo all’oscuramento del sito mediante il quale è posta in essere l’offerta abusiva.

Ammonta così a 1035 il numero dei siti complessivamente oscurati dalla Consob a partire da luglio 2019, da quando per l’appunto all’Autorità è stato conferito il potere di ordinare l’oscuramento dei siti web degli intermediari finanziari abusivi.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 5