Trading azionario basato sull'IA: Quale strumento di IA generativa è migliore

LLM strumenti sono stati utilizzati nel trading azionario basato sull'IA sin dalla loro comparsa.¹

Ho testato 14 modelli di IA generativa per il trading azionario basato sull'IA per valutare la loro capacità di prevedere le variazioni di prezzo di 132 azioni utilizzando le informazioni fornite. I risultati mostrano che

• ChatGPT 5 modello Thinking e il modello Gemini 2.5 Pro hanno offerto le migliori prestazioni.
• I modelli attuali di ChatGPT e Gemini performano peggio dei modelli precedenti.
• Il tasso di successo diminuisce quando vengono forniti dati aggiuntivi.

Prestazioni degli strumenti basati sull'IA

Per ulteriori dettagli sul benchmark, consulta la sezione metodologia del benchmark sul trading azionario.

Versioni attuali

GPT 5.5 Instant

Le etichette sono state assegnate utilizzando fattori comunemente associati alle reazioni di mercato negli studi sugli eventi delle imprese familiari:

• Importanza del dirigente uscente (CEO > Presidente > ruoli onorifici).
• Concentrazione della proprietà familiare.
• Redditività (ROE, ROA).
• Leva finanziaria.
• Implicazioni generali della transizione di governance.

Claude Opus 4.8 Medium

Logica di base Due forze opposte guidano la reazione:  

(+) Sollievo dall'incrostazione: La morte di un insider radicato/sottoperformante può attivare il mercato del controllo e aumentare le speranze di turnaround.

(-) Perdita di capitale umano: La morte di un proprietario-manager che aggiunge valore distrugge competenze difficili da sostituire e crea rischio di successione.  

(0) Nessuna sorpresa: Titoli cerimoniali/pensionati, ruoli di consiglio puro o casi attenuati/compensativi non producono alcuna reazione significativa.

Regole decisionali:

• Emerito/onorario -> 0 (ritirato).
• Membro del consiglio/direttore, in utile -> 0; in perdita -> +1 (scossone).
• Dirigente attivo + perdite/ROA<1 -> +1 (sollievo/optionalità).
• Dirigente attivo + forte (ROA>=mediana & ROE>=10 & NI>0) & proprietà>=60% -> -1 (steward perso).
• Dirigente attivo + forte ma proprietà<60% -> 0 (cuscino di supervisione).
• Mediocre / segnale mancante / ruolo sconosciuto -> 0.

DeepSeek V3.2 (Instant & Deep Think)

DeepSeek V3.2 con e senza Deep Think mostra un tasso di successo del 58%. Si basa sul ruolo del defunto e sulle prestazioni dell'azienda.

Reazione negativa (-1): Il mercato si aspetta disruption.

• Alta dipendenza: Se il defunto era il fondatore o un CEO/Presidente attivo (lavorativo) con un lungo mandato, la sua perdita crea un significativo vuoto di leadership.
• Bassa proprietà familiare: Una bassa proprietà potrebbe significare meno pelle in gioco da parte della famiglia per stabilizzare l'azienda dopo la crisi.

Reazione positiva (+1): Il mercato si aspetta un miglioramento.

• Sollievo: La morte risolve una situazione negativa. Ciò accade spesso se l'azienda stava performando male (utile netto o ROE negativo) sotto un leader di lunga data. Il mercato scommette su una ripartenza.
• Successione stabilita: Se il defunto non era lavorativo (workD=0) o era un presidente in pensione, il successore è probabilmente già in carica.
• Alta proprietà familiare: Un'alta proprietà familiare spesso segnala un impegno a mantenere il valore e a garantire una transizione fluida.

Reazione neutra (0): L'evento è già prezzato o irrilevante.

• Ruolo non critico: Se il defunto era un membro del consiglio non esecutivo o una figura in pensione non coinvolta nelle operazioni quotidiane.
• Transizione graduale: Se la morte non è stata improvvisa e l'azienda è grande (molti dipendenti/attivi), è probabile che esistano sistemi per gestire la transizione senza discontinuità.

Gemini 3.1 Pro

Ecco il quadro finanziario utilizzato per categorizzare le 132 aziende in 1, -1 o 0:

1. Negativo significativo (-1) (Riepilogo: “Perdita di talenti chiave”)
   • Condizione: Il defunto ricopriva un ruolo esecutivo critico (CEO, Presidente, Presidente) E l'azienda era altamente redditizia (ad es., ROE > 10% o ROA > 5%).
   • Motivo: La morte improvvisa di un leader familiare altamente efficace elimina un visionario centrale e un generatore di valore. Ciò introduce una grave incertezza successoria e operativa, portando a panico e reazioni negative dei mercati.
2. Positivo significativo (1) (Riepilogo: “Sollievo dall'incrostazione”)
   • Condizione: L'azienda era storicamente sottoperformante prima dell'evento (utile netto negativo, ROA < 0 o ROE < 0).
   • Motivo: Nelle imprese familiari, i fondatori o manager con scarse prestazioni sono spesso protetti dal licenziamento a causa dei loro legami familiari (incrostazione). La loro scomparsa è spesso vista favorevolmente dal mercato come catalizzatore per la professionalizzazione, la ristrutturazione e una nuova gestione.
3. Non significativo (0) (Riepilogo: “Successione di routine”)
   • Condizione: L'azienda aveva una performance finanziaria media, moderata, OPPURE il defunto ricopriva un ruolo non esecutivo/onorario/consultivo (ad es., membro del consiglio, presidente onorario).
   • Motivo: In assenza di sovraperformance o sottoperformance estreme, o se il ruolo non era critico per le operazioni quotidiane, il mercato considera la morte come un evento di successione di routine che non altera materialmente i flussi di cassa futuri dell'azienda.

Modelli precedenti

GPT 5.4 Instant

GPT 5.4 Instant raggiunge un tasso di successo del 69%. Il modello si concentra principalmente sulla redditività aziendale, utilizzandola come segnale primario.

• Logica dell'etichetta negativa: Più probabile quando il defunto ricopriva un ruolo attivo centrale (specialmente CEO/presidente), l'azienda appariva redditizia/sana, il controllo familiare era elevato e l'evento implicava una significativa continuità o rischio di successione.
• Logica dell'etichetta positiva: Più probabile quando la redditività appariva più debole e/o la leva finanziaria era più elevata, quindi l'evento poteva essere interpretato come un reset di governance o un catalizzatore di turnaround, specialmente quando la profondità della successione familiare sembrava disponibile.
• Logica dell'etichetta neutra: Utilizzata quando il ruolo appariva meno operativo/cerimoniale, quando forze compensative dominavano, o quando le informazioni non supportavano fortemente una reazione significativa a breve termine.

GPT 5.4 Thinking model

GPT 5.4 Thinking raggiunge un tasso di successo del 64% con input limitati. Combina redditività e proprietà familiare.

• Logica dell'etichetta negativa: Più probabile quando il membro della famiglia scomparso aveva un ruolo operativo centrale, la redditività appariva solida e l'influenza familiare era significativa.
• Logica dell'etichetta positiva: Più probabile quando il membro della famiglia scomparso aveva un ruolo centrale, ma l'azienda appariva più debole o più indebitata, quindi il mercato può accogliere favorevolmente il cambiamento.
• Logica dell'etichetta neutra: Più probabile quando il ruolo era onorifico / meno operativo, l'azienda era abbastanza grande da assorbire il cambiamento o i segnali aziendali erano contrastanti.

Gemini 3 Thinking

Il tasso di accuratezza di Gemini 3 Thinking è del 53%. Il meccanismo decisionale segue:

• Positivo significativo (1): Queste aziende hanno sottoperformato sotto la leadership familiare ($ROA < 2.5\%$). Il mercato probabilmente vede la partenza di un manager familiare centrale (CEO o Presidente) come un segnale di professionalizzazione o di un necessario turnaround strategico.
• Negativo significativo: Queste aziende erano eccezionalmente performanti ($ROA > 12\%$) sotto il loro leader centrale. La loro partenza rappresenta una significativa perdita di capitale umano strategico e leadership visionaria.
• Non significativo: Questa categoria si applica alle aziende con performance media o in cui l'individuo uscente ricopriva un ruolo onorifico, emerito o secondario (ad es., Vicepresidente, membro del consiglio), suggerendo che la partenza ha un impatto minimo sulle operazioni quotidiane o era “prezzata”.

Gemini 3 Flash

GPT 5.4 Instant raggiunge un tasso di successo del 54%. Le previsioni si basano su due teorie di mercato concorrenti riguardanti la successione nelle imprese familiari:

• Teoria della persona chiave (-1): Nelle aziende con redditività eccezionalmente alta ($ROA > 10\%$), il mercato spesso vede il leader come una “star” o un visionario. La loro partenza crea un vuoto di talento strategico, portando a rendimenti anomali negativi.
• Teoria della professionalizzazione/incrostazione (+1): Nelle aziende sottoperformanti ($ROA < 3\%$) o in quelle con elevata proprietà familiare, la partenza di un manager familiare è spesso vista come un'opportunità per “nuovo sangue” o gestione professionale, portando a rendimenti anomali positivi.
• Stabilità/neutralità (0): Per le aziende con performance moderate o in cui il leader ricopriva un ruolo non attivo/onorifico (ad es., Emerito, Presidente onorario), l'evento è spesso considerato “prezzato” o operativamente insignificante.

Claude Sonnet 4.2

Il tasso di accuratezza di Claude Sonnet 4.2 sul benchmark è del 48%. Il modello assegna un punteggio a ciascuna azienda su 6 dimensioni derivate dalla teoria degli studi sugli eventi sulle transizioni di leadership nelle imprese familiari:

1. Rilievo del ruolo (più importante)

La posizione del defunto determina quante informazioni la partenza trasmette al mercato:

• Ruoli onorifici/emeriti (+0.4): Queste persone si sono ritirate operativamente. L'annuncio è a bassa sorpresa, spesso pre-comunicato → la reazione del mercato è lievemente positiva o neutra.
• CEO/Presidente attivo (−0.6): Il rischio della persona chiave è massimo. I mercati prezzano l'incertezza su chi prenderà il comando e se la strategia cambierà.
• VP/President (−0.25): Preoccupazione moderata, ma l'azienda dipende meno da un singolo dirigente.
• Membro del consiglio/Direttore (+0.1): Non esecutivo; minima interruzione operativa.

2. Segnale ROA

• ROA negativo (+1.2): Un manager uscente sotto la cui gestione gli attivi hanno generato rendimenti negativi → il mercato legge l'uscita come sollievo. Questo è il più forte driver positivo.
• Sotto p25 (ROA < 1.8%) (+0.5): Azienda sottoperformante, la partenza è comunque ben accolta.
• Sopra p75 (ROA > 9.6%) (−0.6): Un'azienda ad alto ROA che perde un dirigente chiave segnala che il mercato potrebbe perdere l'architetto di quei rendimenti.

3. Utile netto / EBITDA

• La perdita netta (+0.6) e l'EBITDA negativo (+0.5) rafforzano il segnale di sollievo dalla crisi indipendentemente dal ROA.

4. ROE (quartile superiore, −0.3)

Anche quando il ROA è moderato, le aziende nel quartile superiore del ROE (>19.3%) sono considerate avere un allocatore di capitale altamente efficace — la cui perdita il mercato sconta negativamente.

5. Proprietà familiare

• ≥75% (+0.45): Un alto controllo familiare significa che la successione è quasi certamente all'interno della famiglia e pre-pianificata. Riduce l'incertezza.
• 50–74% (+0.20): Famiglia maggioritaria, stabile ma leggermente meno certa.
• <30% (−0.25): La proprietà dispersa solleva dubbi sull'identità del successore.

6. Leva finanziaria

• >0.70 (+0.40): Le aziende ad alta leva con un leader in uscita segnalano un potenziale reset strategico; i mercati possono vederlo positivamente (uscita dalla crisi).
• Sopra p75 (>0.36) (+0.20): Debito elevato rilevato.

Punteggio ≥ 0.90 → Etichetta Significativamente positivo

Punteggio ≤ −0.70 → Etichetta Significativamente negativo

Altrimenti → Etichetta Non significativo

Modello GPT 5 Thinking

Il modello Thinking di ChatGPT 5 presenta la massima accuratezza tra gli strumenti testati, con un tasso di successo del 74%. Lo strumento prevede la variazione di prezzo basandosi su due indicatori:

Indice di concentrazione della leadership (LCI) → più alto = più probabile CAR negativo sostanziale

• LCI = 0.40·z(role_importance) + 0.30·z(family_control) + 0.20·z(financial_strength) − 0.10·z(size)
  • role_importance: peso gerarchico del defunto (CEO > presidente > presidente del consiglio > vicepresidente).
  • family_control: proprietà familiare (% dei diritti di voto).
  • financial_strength: composito di ROE e ROA (redditività).
  • size: ln(attivi).
• Intuizione: I mercati si aspettano più disruption quando un membro familiare altamente centrale muore in un'azienda a controllo familiare stretto, redditizia, ma relativamente più piccola.
• Decisione: Etichetta Negativo sostanziale se LCI è nel top 30% del campione e ≥ 0.5 unità z sopra l'Indice di Rinnovamento.

Indice di potenziale di rinnovamento (RPI) → più alto = più probabile CAR positivo sostanziale

• RPI = 0.40·(−z(financial_strength)) + 0.25·z(leverage) − 0.20·z(family_control) − 0.10·z(size) + 0.05·z(liquidity_stress)
  • leverage: (debito a lungo termine + debito a breve termine) / patrimonio netto.
  • family_control: proprietà familiare (% dei diritti di voto).
  • liquidity_stress: debiti verso fornitori / attivi.
  • financial_strength: composito di ROE e ROA.
  • size: ln(attivi).

• Intuizione: Le aziende con redditività debole, una certa pressione debitoria, minore dominanza familiare e tensione di liquidità possono vedere il mercato accogliere favorevolmente la possibilità di un cambiamento di governance o di una nuova leadership.
• Decisione: Etichetta Positivo sostanziale se RPI è nel top 30% del campione e ≥ 0.5 unità z sopra l'LCI.

Gemini 2.5 Pro modello

Gemini 2.5 Pro prevede accuratamente il 71% delle variazioni di prezzo delle azioni. Questo modello suggerisce che i trader attivi prendono decisioni basate sulla vulnerabilità aziendale e sulla potenziale opportunità di rinnovamento.

Indice di vulnerabilità (VI) → più alto = più probabile CAR negativo sostanziale

• VI = 0.40·z(family_control) + 0.35·(-z(financial_strength)) + 0.20·z(leverage) – 0.05·z(size)
  • family_control: Proprietà familiare (% diritti di voto).
  • financial_strength: Punteggio z composito di ROE e ROA.
  • leverage: Debito a lungo termine / patrimonio netto.
  • size: Logaritmo naturale del totale degli attivi (ln(asset)).
• Intuizione: Il mercato punisce il titolo quando la morte di un leader chiave crea un vuoto di potere. Questo rischio è massimo in aziende altamente indebitate, non redditizie e dominate dalla famiglia che mancano della resilienza e della struttura manageriale profonda delle grandi società. La combinazione di alto controllo familiare, cattiva salute finanziaria ed elevata leva crea un mix potente per l'incertezza degli investitori.
• Decisione: Etichetta Negativo sostanziale se il punteggio VI di un'azienda è nel top 5% del campione.

Indice di catalizzatore di turnaround (TCI) → più alto = più probabile CAR positivo sostanziale

• TCI = 0.50·(-z(financial_strength)) + 0.25·z(family_control) – 0.15·z(leverage) – 0.10·z(size)
  • financial_strength: Punteggio z composito di ROE e ROA.
  • family_control: Proprietà familiare (% diritti di voto).
  • leverage: Debito a lungo termine / patrimonio netto.
  • size: Logaritmo naturale del totale degli attivi (ln(asset)).
• Intuizione: Il mercato reagisce positivamente quando la morte è percepita come un'opportunità di rinnovamento. Ciò si verifica quando un leader familiare incrostato in un'azienda sottoperformante ma finanziariamente stabile viene a mancare. Il mercato anticipa che un cambiamento di leadership sbloccherà valore migliorando la strategia e le operazioni, rendendo l'azienda una potenziale storia di turnaround o un obiettivo di acquisizione.
• Decisione: Etichetta Positivo sostanziale se il punteggio TCI di un'azienda è nel top 5% del campione ed è almeno 0.5 unità z sopra il suo punteggio VI.

Modello GPT 5 Pro

Il tasso di accuratezza di GPT 5 Pro è del 56% per il mio benchmark. Lo strumento di IA generativa effettua previsioni basate su due indicatori:

Indice di rischio della persona chiave (KPRI) → più alto = più probabile CAR negativo sostanziale

• KPRI = 0.40·z(ownership) + 0.30·z(leverage) − 0.20·z(size) + 0.10·z(profitability)
• Intuizione: le aziende a controllo familiare stretto, più indebitate, più piccole e attualmente redditizie affrontano un rischio percepito più elevato di persona chiave alla morte di un membro familiare.
• Decisione: Etichetta negativo sostanziale se KPRI è nel top 30% del campione e ≥ 0.5 unità z sopra TPI.

Indice di potenziale di turnaround (TPI) → più alto = più probabile CAR positivo sostanziale

• TPI = 0.40·(−z(profitability)) + 0.20·z(leverage) − 0.20·z(ownership) − 0.10·z(size) + 0.10·z(AP/assets)
• Intuizione: performance debole + una certa pressione finanziaria, ma un controllo familiare più basso può far sì che i mercati accolgano favorevolmente un cambio di leadership.
• Decisione: Etichetta positivo sostanziale se TPI è nel top 30% e ≥ 0.5 unità z sopra KPRI.

GPT 4o

Questo vecchio modello ChatGPT utilizza algoritmi di IA basati sul ruolo del defunto nell'azienda, sulla proprietà familiare, sulle dimensioni dell'azienda e sulla leva finanziaria. Il modello prevede il CAR degli eventi come

Negativo sostanziale, se

• Il defunto è CEO/Presidente del consiglio
• Alta proprietà familiare (>70%) e il defunto ricopriva un ruolo di leadership
• Aziende più piccole o meno diversificate (bassi attivi/ricavi)
• Alta leva: debito a lungo termine o debito a breve termine > attivi

Positivo sostanziale, se

• Il defunto aveva un ruolo minore (ad es., membro del consiglio o VP)
• L'azienda era sottoperformante (ad es., ROE o ROA negativo), i mercati potrebbero vederlo come positivo
• Basso controllo familiare (<30%)

Nessun cambiamento significativo, se

• Aziende di medie o grandi dimensioni con solide finanze
• Defunto non in leadership attiva
• Proprietà familiare bassa o media (30%–60%)

Claude Sonnet 4

Claude Sonnet 4 raggiunge un tasso di accuratezza del 46% nella previsione dei movimenti dei prezzi delle azioni a seguito delle morti dei leader familiari. Questo modello utilizza un sistema di punteggio multifattoriale che pesa il rischio di successione della leadership contro i fattori di resilienza aziendale.

Punteggio di disruption della successione (SDS) → più alto = più probabile CAR negativo sostanziale

• SDS = 0.30·z(position_weight) + 0.25·z(family_ownership) + 0.20·(-z(financial_performance)) + 0.15·z(debt_burden) – 0.10·z(firm_scale)
  • position_weight: Punteggio gerarchico dove CEO = 3, Chairman = 2.5, President = 2, VP = 1, Board = 0.5
  • family_ownership: Percentuale di controllo dei voti familiari
  • financial_performance: Punteggio composito dei punteggi z di ROE e ROA
  • debt_burden: Rapporto debito a lungo termine su attivi
  • firm_scale: Numero di dipendenti come proxy della profondità organizzativa
• Intuizione: I mercati reagiscono in modo più negativo quando un vuoto di leadership critica si combina con un controllo familiare concentrato e una debole resilienza istituzionale. La morte di un CEO o Presidente in un'azienda a controllo familiare crea una crisi di successione immediata, in particolare quando l'azienda non ha la solidità finanziaria per affrontare l'incertezza o la profondità organizzativa per garantire la continuità. Un debito elevato amplifica questa vulnerabilità limitando la flessibilità strategica durante il periodo di transizione.
• Decisione: Etichetta Negativo sostanziale se SDS è nel top 36% del campione (punteggio ≤ -3.0).

Indice di rinnovamento della governance (GRI) → più alto = più probabile CAR positivo sostanziale

• GRI = 0.35·(-z(financial_performance)) + 0.25·z(institutional_quality) – 0.20·z(family_ownership) + 0.15·z(market_development) – 0.05·z(position_weight)
  • financial_performance: Punteggio composito di debolezza ROE/ROA
  • institutional_quality: Indicatori di dimensione aziendale e stabilità settoriale
  • family_ownership: Concentrazione del controllo familiare (invertita)
  • market_development: Proxy di efficienza del mercato basata sul paese
  • position_weight: Importanza della posizione di leadership (invertita)
• Intuizione: I mercati anticipano la creazione di valore quando il cambiamento di leadership si verifica in aziende sottoperformanti con strutture proprietarie disperse. La morte rimuove potenziali effetti di incrostazione preservando le capacità istituzionali necessarie per il turnaround. Questo è particolarmente pronunciato nei mercati sviluppati dove la successione manageriale professionale è più facilmente disponibile e i meccanismi di governance sono più forti.
• Decisione: Etichetta Positivo sostanziale se il punteggio GRI è nel top 17% del campione (punteggio ≥ 1.5) e supera SDS di almeno 2.0 punti.

DeepSeek

Questo strumento di IA generativa utilizza un'analisi euristica esperta, raggiungendo un tasso di accuratezza stimato di circa 65% nei benchmark standard degli studi sugli eventi finanziari. Il nucleo della decisione pesa la valutazione di tre fattori primari:

Ruolo del defunto

• Chairman/CEO/President: Immediatamente segnalato per un alto potenziale di impatto negativo.
• Emerito/Onorario/VP: Peso significativamente inferiore, spesso porta a una previsione di “Nessun cambiamento significativo”.
• Ruoli minori: Trattati come un segnale debole.

Salute finanziaria

• Utile netto e ROE/ROA: Un utile netto negativo o rendimenti bassi associati a un ruolo chiave spesso spingevano la previsione verso “Negativo”. Se il ruolo era minore, poteva suggerire “Positivo”.
• Debito a lungo/breve termine: Livelli di debito elevati amplificavano il rischio percepito per le aziende con ruoli chiave.

Proprietà familiare

• Alta proprietà (>60%) + Ruolo chiave: Amplificava fortemente la previsione “Negativa” (leadership incrostata, incertezza successoria).
• Bassa proprietà (<30%) + Scarse prestazioni: Amplificava la previsione “Positiva” (più facile per gli outsider forzare un cambiamento).

Gemini 2.5 Flash modello

Gemini 2.5 Flash afferma che le previsioni sono fatte basandosi su uno studio sugli eventi e sulla letteratura di corporate governance, presentando un tasso di accuratezza del 23%. Il modello etichetta i CAR degli eventi in base a queste ipotesi:

• Negativo sostanziale: La percentuale di proprietà familiare è relativamente alta (>30%) e il defunto ricopriva una posizione critica (CEO o Chairman).
• Nessun cambiamento significativo: La percentuale di proprietà familiare è relativamente bassa (<30%) oppure l'azienda è grande e sembra avere una solida struttura aziendale.
• Positivo sostanziale: Questo scenario si verifica tipicamente quando le prestazioni del manager sono scarse o quando si ritiene che sia un ostacolo per il futuro dell'azienda. Non ci sono abbastanza informazioni nei dati forniti per fare una tale previsione. Pertanto, tutte le previsioni sono state etichettate come “Negativo sostanziale” o “Nessun cambiamento significativo”.

Accuratezza del modello con input esteso

Quando vengono fornite più informazioni nel secondo round, le prestazioni del modello cambiano:

• DeepSeek V3.2 Deep Think (64%) e Gemini 3 Thinking (62%) migliorano maggiormente.
• I modelli GPT 5.4 mostrano risultati misti e un'accuratezza leggermente inferiore rispetto al caso limitato.
• Claude Sonnet 4.2, GPT 5.5 Instant e Gemini 3.1 Pro peggiorano ulteriormente, suggerendo difficoltà nella gestione di input più complessi.

Quando vengono aggiunti dati aggiuntivi, i modelli in grado di integrare segnali multipli migliorano. Tuttavia, i modelli più semplici potrebbero diventare meno accurati perché non riescono a dare priorità efficacemente alle informazioni aggiuntive.

Metodologia del benchmark del trading azionario basato sull'IA

Prompting

Il benchmark valuta se gli strumenti di IA generativa possono prevedere le reazioni del mercato azionario a un evento inaspettato, sulla base dei fondamentali aziendali forniti. L'impostazione si basa sui dati di Tanyeri & Alp (2023) e Arslan & Tanyeri-Günsur (2025):² ,³

Ogni strumento di IA riceve una fotografia delle informazioni a livello aziendale per il primo round:

Informazioni finanziarie

• Dimensione degli attivi
• Dimensione del patrimonio netto
• Utili prima di interessi, imposte, svalutazioni e ammortamenti (EBITDA)
• Utile netto
• Ricavi annuali
• Debito a lungo e a breve termine
• Debiti verso fornitori
• Return on equity (ROE)
• Return on assets (ROA)

Altre informazioni

• Quota di proprietà familiare
• Paese della sede legale e della quotazione in borsa
• Numero di dipendenti
• Industria/settore

Non vengono forniti il nome dell'azienda o altri identificativi.

Nel secondo round, vengono aggiunte le seguenti informazioni:

• se il defunto stava lavorando al momento del decesso
• la generazione del defunto successiva al fondatore dell'azienda
• se il defunto era il fondatore
• anzianità del defunto in azienda
• età del defunto al momento del decesso
• se il defunto è deceduto improvvisamente o dopo una malattia
• il numero di figli del defunto
• il numero di figlie femmine del defunto
• il numero di figli maschi del defunto
• il numero di partner che il defunto aveva

Domanda principale

Date le informazioni di cui sopra, a ciascuna soluzione di IA viene chiesto di prevedere se i rendimenti anomali cumulativi a 3 giorni (CAR) di 132 aziende saranno:

• Significativamente positivo
• Significativamente negativo
• Non significativo

Il CAR misura come i mercati finanziari rispondono all'evento. Un CAR positivo indica che i trader azionari percepiscono l'evento come un aumento di valore, un CAR negativo come una riduzione di valore, e un CAR non significativo come neutrale.

Campionamento

Il dataset include 132 eventi di decesso in 109 aziende familiari quotate in borsa in 24 paesi. Tutte le aziende sono classificate tra le 500 più grandi aziende familiari.

Misurazione delle prestazioni

Il benchmark si basa su una precedente analisi tecnica dei prezzi delle azioni. Per ogni azienda, il CAR a 3 giorni è stato calcolato e categorizzato come:

• Significativamente positivo
• Significativamente negativo
• Non significativo

Le previsioni dell'IA vengono confrontate con i valori storici del CAR. L'accuratezza è misurata come percentuale di previsioni corrette effettuate da ciascuna soluzione di IA generativa.

Non perderti i nostri benchmark e approfondimenti basati sui dati. Il pulsante apre Google; selezionare AIMultiple conferma che desideri vedere AIMultiple più spesso nei risultati di ricerca di Google.

Aggiungi come fonte preferita

Ulteriori letture

• Top 10 casi d'uso dei dati alternativi per gli investimenti
• Benchmark finanziario dell'IA agentica: FinRobot vs FinRL vs FinGPT
• Le migliori piattaforme di ricerca finanziaria IA per investitori
• Benchmark VC IA: 11 agenti IA su compiti reali di venture capital

FAQ

Cita questa ricerca

Scegli il formato adatto a dove pubblicherai. Incollare la versione con link nel tuo CMS preserva il backlink.

@misc{phd2026,
  author = {PhD., Ezgi Arslan,},
  title  = {{Trading azionario basato sull'IA: Quale strumento di IA generativa è migliore}},
  year   = {2026},
  month  = jun,
  howpublished    = {\url{https://aimultiple.com/ai-based-stock-trading}},
  note   = {AIMultiple. Consultato il 30 Giugno 2026}
}

Collegamenti di riferimento

1.

Page restricted | ScienceDirect

2.

The value of shareholder rights in family firms: Global evidence from a death in the family - Tanyeri Günsür - 2023 - Corporate Governance: An International Review - Wiley Online Library

3.

Page restricted | ScienceDirect

4.

Artificial Intelligence Can Make Markets More Efficient—and More Volatile

Ezgi Arslan, PhD.

Analista di Settore

Segui

Ezgi possiede un dottorato di ricerca in Business Administration con specializzazione in finanza e lavora come Analista di Settore presso AIMultiple. Guida la ricerca e gli approfondimenti all'intersezione tra tecnologia e business, con competenze che spaziano dalla sostenibilità, ai sondaggi e all'analisi del sentiment, alle applicazioni degli AI agent nella finanza, all'answer engine optimization, alla gestione dei firewall e alle tecnologie di procurement.

Visualizza il profilo completo

Sii il primo a commentare

Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori. I commenti vengono lasciati nella loro lingua originale.

Nome

Indirizzo e-mail

Commento

0/450

Pubblica un commento