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

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

Ho testato 20 models di IA generativa su un unico e difficile compito di previsione: prevedere il rendimento anomalo cumulativo (CAR) a 3 giorni di 132 titoli dopo un evento inatteso, utilizzando solo le informazioni a livello aziendale fornite nel prompt.

• ChatGPT 5 Thinking (74%) model e il model Gemini 2.5 Pro (71%) model hanno offerto le migliori prestazioni.
• Maggiori informazioni non aiutano ad aumentare le prestazioni.

Prestazioni degli strumenti basati sull'IA

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

Come hanno ragionato i models

Ogni model è giunto allo stesso schema a due forze su ciò che accade quando muore un manager familiare:

• Perdita di capitale umano: se il defunto generava i rendimenti, la morte distrugge qualcosa che l'azienda non può sostituire rapidamente. CAR negativo.
• Sgravio da radicamento: se l'azienda stava sottoperformando sotto un manager che il controllo familiare rendeva non rimovibile, la morte fa ciò che il mercato del controllo societario non poteva fare. CAR positivo.

Il quadro di riferimento non è ciò che distingue i models. A distinguerli è dove fissano le soglie, quale variabile risolve un pareggio e con quanta facilità lasciano un caso nella categoria neutra. Le sezioni seguenti riportano solo queste differenze.

Versioni attuali

GPT 5.5 Instant

Classifica prima il ruolo del defunto (CEO sopra presidente, sopra titoli onorari), poi legge la concentrazione proprietaria, ROE/ROA, leva finanziaria e le implicazioni generali della transizione di governance.

È l'unico model del gruppo che non ha pubblicato soglie, pesi o un ordine di arbitraggio.

DeepSeek V3.2 (Instant & Deep Think)

Punteggi identici con e senza ragionamento esteso.

DeepSeek legge la proprietà familiare nella direzione opposta rispetto alla maggior parte del gruppo: un'alta proprietà segnala impegno per una transizione fluida e spinge verso positività o neutralità, mentre altri models leggono la stessa concentrazione come rischio di successione.

Considera la dimensione aziendale e una morte non improvvisa come prova che il meccanismo di transizione esiste già, indirizzando questi casi a 0.

Claude Fable 5.1

Il model ha ponderato due effetti opposti della letteratura sulla morte di dirigenti:

• la perdita di un decisore chiave (negativo)
• la rimozione di un controllore radicato (positivo).

Ha assegnato −1 ai CEO attivi e ai presidenti di aziende redditizie con controllo familiare concentrato, +1 ai leader di aziende in perdita o stagnanti con quota familiare elevata e 0 a dirigenti in pensione, ruoli periferici, aziende molto grandi e casi con dati finanziari mancanti.

Claude Opus 5 High

Assume la redditività come asse primario e poi applica modulatori moltiplicativi: ruolo (CEO in carica ×1.20 fino a emerito ×0.30), leva finanziaria superiore a 55% (−0.80), organico superiore a 100.000 (×0.75) e settore (ad alta intensità relazionale ×1.15, commodity ×0.80).

Due caratteristiche sono uniche di questo model:

• Condiziona la proprietà al mercato del controllo locale: sopra 75% vale +0.40 nelle giurisdizioni in cui le acquisizioni sono fattibili e −0.50 dove la successione è dinastica, e applica un aggiustamento separato per la protezione degli investitori in base al paese.
• Impone due vincoli rigidi: i dati grezzi su attività, ricavi e debito vengono scartati perché non confrontabili tra 24 valute, lasciando solo rapporti e organici; e un +1 richiede una redditività inferiore alla mediana, poiché senza sottoperformance non c'è nulla che la morte possa alleviare.

Claude Fable 5

Prima il ruolo, ed esplicito riguardo al suo ancoraggio nella letteratura di event study sulla morte di dirigenti. Azzera i 18 casi cerimoniali prima di assegnare qualsiasi punteggio, poi tratta i ruoli periferici come 0 con un'eccezione: un seggio familiare nel consiglio con proprietà ≥ 75%, dove la morte allenta il blocco di controllo.

CEO o presidente attivo è impostato di default a −1 e passa a +1 con utile netto o ROE negativi, oppure con proprietà molto elevata abbinata a rendimenti mediocri. Il ramo del presidente attivo è l'unico punto del benchmark in cui un model afferma esplicitamente che due forze si annullano invece di scegliere quella maggiore: una performance media in un ruolo di supervisione riceve 0 perché la perdita di amministrazione e il miglioramento della governance si compensano.

Gemini 3.1 Pro

L'insieme di soglie più permissivo tra i models attuali.

Un ruolo critico più ROE > 10% o ROA > 5% produce −1; qualsiasi precedente sottoperformance, utile netto negativo, ROA o ROE negativi produce +1; tutto il resto è 0.

Entrambe le condizioni direzionali scattano facilmente, quindi pochi casi sopravvivono nella categoria neutra.

Models precedenti

Model GPT 5 Thinking

Il model più accurato e l'unico che assegna le etichette in base al rango relativo con un requisito di margine piuttosto che in base a soglie assolute. Costruisce due indici z-score continui:

• Indice di concentrazione della leadership (LCI), più alto = più probabile sostanzialmente negativo: LCI = 0.40·z(role_importance) + 0.30·z(family_control) + 0.20·z(financial_strength) − 0.10·z(size)
• Indice di potenziale di rinnovamento (RPI), più alto = più probabile sostanzialmente positivo: RPI = 0.40·(−z(financial_strength)) + 0.25·z(leverage) − 0.20·z(family_control) − 0.10·z(size) + 0.05·z(liquidity_stress)

Un'etichetta direzionale viene emessa solo quando un indice si colloca nel primo 30% del campione e supera l'altro di almeno 0.5 unità z. Tale requisito di margine è ciò che mantiene il valore predefinito a 0, ed è la differenza strutturale più netta tra questo model e quelli sottostanti.

Gemini 2.5 Pro

La stessa architettura a due indici con un filtro molto più rigido: primo 5% del campione invece del primo 30%.

• Indice di vulnerabilità (VI): 0.40·z(family_control) + 0.35·(−z(financial_strength)) + 0.20·z(leverage) − 0.05·z(size)
• Indice di catalizzatore di risanamento (TCI): 0.50·(−z(financial_strength)) + 0.25·z(family_control) − 0.15·z(leverage) − 0.10·z(size)

Il controllo familiare entra in entrambi gli indici con segno positivo, quindi la concentrazione proprietaria da sola non può determinare una direzione; è la redditività a risolvere il pareggio. L'etichetta positiva richiede inoltre che il TCI superi il VI di 0.5 unità z.

GPT 5.4 Instant

Usa la redditività come segnale primario e non pubblica soglie. Negativo quando il defunto ricopriva un ruolo operativo centrale in un'azienda sana e a controllo stretto; positivo quando la redditività era più debole o la leva più alta e la profondità della successione familiare appariva disponibile; neutro quando il ruolo era cerimoniale o i segnali si compensavano.

GPT 5.4 Thinking

Stessi input della versione 5.4 Instant, con una differenza strutturale: la centralità del ruolo è richiesta in entrambe le direzioni, quindi un ruolo periferico non può affatto produrre un'etichetta direzionale. Anche la dimensione aziendale ottiene da sola un neutro; un'azienda abbastanza grande da assorbire il cambiamento riceve 0 indipendentemente dalla performance.

Claude Opus 4.8 Medium

Logica di base: due forze opposte guidano la reazione: 

(+) Sgravio da radicamento: la morte di un insider radicato o sottoperformante può attivare il mercato del controllo e aumentare le speranze di risanamento.

(-) Capitale umano perduto: la morte di un proprietario-manager che crea valore distrugge competenze difficili da sostituire e crea rischio di successione. 

(0) Nessuna sorpresa: titoli cerimoniali o da pensionato, ruoli di puro consiglio oppure casi attenuati o compensati non producono alcuna reazione significativa.

Regole decisionali:

• Emerito/onorario -> 0 (ritirato).
• Membro del consiglio/amministratore, redditizio -> 0; in perdita -> +1 (scossone).
• Dirigente attivo + perdite/ROA<1 -> +1 (sgravio/opzionalità).
• Dirigente attivo + forte (ROA>=mediana & ROE>=10 & NI>0) & proprietà>=60% -> -1 (amministratore perduto).
• Dirigente attivo + forte ma proprietà<60% -> 0 (cuscinetto di supervisione).
• Segnale medio / mancante / ruolo sconosciuto -> 0.

GPT 5 Pro

Ancora due indici, ma costruiti da proprietà e leva finanziaria anziché dal ruolo, che non compare in nessuna delle due formule.

• Indice di rischio della persona chiave (KPRI): 0.40·z(ownership) + 0.30·z(leverage) − 0.20·z(size) + 0.10·z(profitability)
• Indice di potenziale di risanamento (TPI): 0.40·(−z(profitability)) + 0.20·z(leverage) − 0.20·z(ownership) − 0.10·z(size) + 0.10·z(AP/assets)

I filtri sono gli stessi di GPT 5 Thinking: primo 30% più un margine di 0.5 unità z. L'eliminazione del ruolo dall'indice è la fonte più probabile del divario di 18 punti tra i due.

Gemini 3 Flash

Presenta le due forze come teorie concorrenti e applica soglie ROA esplicite: sopra 10% il leader è prezzato come una star e la morte è −1; sotto 3% la morte è letta come un'apertura per una gestione professionale e riceve +1; la fascia 3–10% e tutti i ruoli non attivi sono 0.

Gemini 3 Thinking

Lo stesso schema di soglie ulteriormente ampliato: −1 sopra ROA 12%, +1 sotto 2.5%, il che allarga la fascia neutra dai sette punti di Flash a quasi dieci.

Claude Sonnet 4.2

L'unico sistema a punti additivo con pesi pubblicati e soglie assolute (≥ +0.90 → +1, ≤ −0.70 → −1).

Valuta sei dimensioni:

• importanza del ruolo
• ROA
• utile netto ed EBITDA
• ROE
• proprietà familiare
• leva finanziaria

La ponderazione è deliberatamente asimmetrica. Un ROA negativo da solo vale +1.2, e una perdita netta e un EBITDA negativo aggiungono ulteriori +0.6 e +0.5, mentre la più grande penalità di ruolo disponibile, un CEO o presidente attivo, è solo −0.6.

La difficoltà finanziaria può quindi prevalere sull'identità del defunto, cosa che nessun altro model del gruppo consente.

GPT 4o

Le condizioni sono elencate senza un ordine di arbitraggio, quindi i casi che soddisfano due regole non hanno una risoluzione definita. Si discosta inoltre dal gruppo sui ruoli periferici: un membro del consiglio o un vicepresidente riceve +1, mentre quasi ogni

Claude Sonnet 4.6

Due indici z-score nello stampo di GPT 5 Thinking: un punteggio di interruzione della successione che pondera ruolo, proprietà, performance, debito e organico, e un indice di rinnovamento della governance che pondera debolezza della performance, dispersione proprietaria e qualità istituzionale.

È l'unico model a farlo dal campo della sede centrale. L'etichetta positiva richiede che l'indice di rinnovamento superi il punteggio di interruzione con un margine fisso di punti.

DeepSeek V3

La struttura a tre fattori che V3.2 ha successivamente perfezionato, come ruolo, salute finanziaria e proprietà, ma senza la lettura della proprietà come stabilizzatore. Una proprietà elevata più un ruolo chiave amplifica la previsione negativa. Da notare separatamente: il model ha stimato la propria accuratezza intorno a 65%, più del doppio del suo punteggio effettivo.

Gemini 2.5 Flash

Il risultato più basso e l'unico con un tetto autoinflitto. Il model ha concluso che il prompt non conteneva informazioni sufficienti per identificare i casi positivi e non ha emesso alcuna etichetta +1, riducendo un problema a tre classi a due e perdendo ogni caso positivo del campione.

Accuratezza del model con input esteso

Il secondo round aggiunge dieci campi a livello di persona agli stessi 132 casi: se il defunto stava ancora lavorando, la generazione dopo il fondatore, lo status di fondatore, la permanenza in carica, l'età al momento della morte, morte improvvisa rispetto a malattia e quattro conteggi di figli e partner.

L'effetto aggregato è quasi nullo. L'accuratezza media di questi 13 models passa da 54.8% a 55.2%. Ciò che la media nasconde è un'ampia dispersione di risposte individuali:

• Claude Fable 5 guadagna di più, 16 punti, ed è l'unico model le cui informazioni aggiuntive lo portano da vicino alla parte bassa del gruppo alle prime quattro posizioni. La sua logica del primo round si basava quasi interamente su titolo di lavoro e redditività; i campi del secondo round forniscono esattamente ciò che mancava a quell'albero: se la persona stava ancora lavorando e se la morte è stata improvvisa.
• Gemini 3.1 Pro (+10) e Gemini 3 Thinking (+9) migliorano anch'essi in modo sostanziale, così come DeepSeek V3.2 Deep Think (+6).
• GPT 5.4 Instant perde 17 punti, il movimento più ampio in entrambe le direzioni. Anche Claude Sonnet 4.2 (−7) e GPT 5.4 Thinking (−6) scendono.
• Il miglior punteggio del secondo round (64%) è inferiore al miglior punteggio del primo round nello stesso gruppo (69%). Più informazioni non hanno alzato il tetto; hanno compresso l'intervallo.

Metodologia del benchmark di 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 imprevisto, sulla base dei fondamentali aziendali forniti. La configurazione si basa sui dati di Tanyeri & Alp (2023)² e di Arslan & Tanyeri-Günsur (2026):³

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

Informazioni finanziarie

• Dimensione dell'attivo
• Dimensione del patrimonio netto
• Utile prima di interessi, imposte, svalutazioni e ammortamenti (EBITDA)
• Utile netto
• Ricavi annuali
• Debito a lungo e breve termine
• Debiti verso fornitori
• Rendimento del capitale proprio (ROE)
• Rendimento delle attività (ROA)

Altre informazioni

• Quota di proprietà familiare
• Paese della sede centrale e della quotazione
• Numero di dipendenti
• Industria/settore

Non vengono forniti nomi di aziende o altri identificatori.

Nel secondo round, vengono aggiunte inoltre le seguenti informazioni:

• se il defunto stava lavorando al momento della morte
• la generazione del defunto dopo il fondatore dell'azienda
• se il defunto era il fondatore
• la permanenza in carica del defunto nell'azienda
• l'età del defunto al momento della morte
• se il defunto è morto 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 del defunto

Domanda principale

Date le informazioni 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 gli operatori azionari percepiscono l'evento come creatore di valore, un CAR negativo come distruttore di valore e un CAR non significativo come neutro.

Campionamento

Il dataset include 132 eventi di morte 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 precedenti analisi tecniche dei prezzi azionari. Per ogni azienda, il CAR a 3 giorni è stato calcolato e classificato 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

• Benchmark di finanza con IA agentica: FinRobot vs FinRL vs FinGPT
• Le migliori piattaforme di ricerca finanziaria basate sull'IA per investitori
• IA VC Benchmark: agenti IA su compiti reali di venture capital

FAQ

Cita questo benchmark

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  = sep,
  howpublished    = {\url{https://aimultiple.com/ai-based-stock-trading}},
  note   = {AIMultiple. Consultato il 3 Settembre 2026}
}

Registro delle modifiche

1 aggiornamenti

1. 202625 Mar

   Aggiunti i modelli GPT 5.4 Instant e GPT 5.4 Thinking alla sezione Versioni attuali.

Collegamenti di riferimento

1.

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4872189

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.

https://www.researchgate.net/publication/397102782_Ambitious_sons_and_understanding_daughters_investor_perceptions_of_gender_and_the_valuation_of_family_firms

4.

Artificial Intelligence Can Make Markets More Efficient—and More Volatile

Ezgi Arslan, PhD.

Analista di settore

Segui

Ezgi ha conseguito un PhD in Economia aziendale con specializzazione in finanza e ricopre il ruolo di analista di settore presso AIMultiple. Conduce ricerche e approfondimenti all'intersezione tra tecnologia e business, con competenze che spaziano dalla sostenibilità alle indagini e all'analisi del sentiment, dalle applicazioni di agenti AI nella finanza all'ottimizzazione dei motori di risposta, dalla gestione dei firewall 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