Finscience, la startup italiana che ha sviluppato modelli di analisi dei cosiddetti big data, creando indicatori di sintesi digitali a fini di analisi finanziaria, derivati dai dati reperibili su social network, blog, piattaforme di ecommerce e app di geolocalizzazione, sta preparando un secondo aumento di capitale, dopo quello da un milione di euro chiuso lo scorso novembre (si veda altro articolo di BeBeez). Lo ha anticipato ieri Ugo Pastori, senior advisor e investitore di Finscience, in occasione del suo intervento a un workshop dedicato a big data e asset management nell’ambito della Milano Finanza Digital Week ieri a Milano.
Finscience è una startup fondata nel 2017 da quattro manager di cui tre provenienti da Google Italia e cioé: Fabrizio Milano D’Aragona, ceo di Finscience, che ha lavorato per sette anni a Google Italia, dove ha ricoperto il ruolo di responsabile del settore retail, fashion e local; Mauro Arte, che nella sede italiana di Google si è occupato del settore media & entertainment, sino a diventare capo della divisione You Tube Italia.; Claudio Zamboni, che in Google Italia è stato industry leader per i settori telco ed entertainment; e da Alessandro Arrigo, general manager di Finscience, con esperienza decennale nel digital consulting. Questi stessi manager sono anche i fondatori di 3rdPlace, una pmi innovativa che offre soluzioni e servizi nell’ambito dell’intelligence applicata ai dati digitali, con sedi a Milano e Roma.
Al primo round di investimento hanno partecipato investitori privati provenienti soprattutto dal settore finanziario. In particolare: Giuseppe Galimberti, ex manager in Jp Morgan, Morgan Stanley, Deutsche Bank e UBS; Ugo Pastori, managing partner della società di consulenza svizzera Weisstor ed ex ceo del fondo hedge Thalia; Massimo Prelz Oltramonti, nel programma di venture capital di Olivetti dal 1981 ed ex managing director di Advent International; Marco Belmondo, tra i soci di Epic sim, con un passato in Rbs e Unicredit; Guido Ferrarini, a sua volta cofondatore di Epic sim, oltre che docente di diritto commerciale all’Università di Genova: Nicola Colla e Fabio Nalucci co-fondatori della piattaforma di innovazione bolognese Gellify.
Pastori ha detto che “il prossimo round sarà più importante del primo per dimensioni, vi parteciperanno alcuni degli attuali azionisti ed è aperto a nuovi investitori. I capitali raccolti nel precedente round sono già stati investiti e quindi, abbiamo bisogno di capitali freschi da investire in tecnologia per sviluppare gli ulteriori nuovi modelli di analisi”.
Finscience è oggi in grado di elaborare 10 tera di dati (testi di giornale, blog, social etc) alla settimana e poi fare ricerche su questi dati per entità semantiche, il che significa molto più che per parole chiave (per esempio il sistema è in grado di distinguere la parola apple cioé mela da Apple, il gruppo fondato da Steve Jobs), e inoltre è in grado di segnalare correlazioni tra i dati (per esempio, se molto spesso il nome di Tim Cook appare nello stesso luogo in cui si parla di Apple, il sistema si rende conto che esiste una relazione e chiede la conferma che Tim Cook sia un manager di Apple). A ogni notizia relativa a una determinata azienda, quotata o non quotata, quindi, è assegnato un peso per diffusione in rete, per numero di condivisioni e per sentiment positivo o negativo .
Al momento Finscience propone agli asset manager due tipi di prodotti. Da un lato, delle selezioni settoriali di titoli pesati sulla base di un modello quantitativo e individuati sulla base di parole chiave. In sostanza è la macchina che propone dei temi di investimento a seconda di quanto risultino preponderanti quei temi e quelle società rispetto a quei temi sul web. Un esempio di come può funzionare una simile selezione è il report sulla finanza sostenibile che Finscience produrrà su base trimestrale.
Dall’altro lato Fincience suggerisce come integrare i risultati dell’analisi dei big data con quelli dell’analisi finanziaria fondamentale tradizionale. In prospettiva, però, la startup sta già lavorando alla creazione di modelli evoluti predittivi dell’andamento del mercato, sulla base dì tecbnologie machine learning. In sostanza, ha spiegato Pastori, “sinora i modelli statistici utilizzati per predire l’andamento di una certa variabile risultato sono modelli regressivi, che si basano su variabili stabilite a monte e alle quali sono stati assegnati dei pesi. Un domani l’idea è che da una situazione iniziale di questo tipo poi la macchina sia in grado di modificare in tempo reale i pesi assegnati alle variabili e anche di eliminare delle variabili o inserirne delle nuove, sulla base dell’analisi dei big data”.