Qi4M è una startup innovativa fondata nel 2017 da un team di esperti nel settore economico-finanziario, con alle spalle una grande esperienza nell'asset allocation, nel Machine Learning e nell’Intelligenza Artificiale. Unica FinTech tra le prime 5 startup selezionate nel primo programma di accelerazione di B4i - Bocconi for innovation, la piattaforma per startup di pre-accelerazione, accelerazione e sviluppo interno alle aziende di Università Bocconi di Milano, grazie all’esperienza di quattro mesi di formazione, coaching e networking messi a disposizione da B4i, Qi4m ha saputo maturare e meglio definire il proprio prodotto e la propria mission: “Oggi Qi4M è una realtà più matura con una chiara consapevolezza di quello che sarà il suo ruolo di impresa con una forte vocazione alla ricerca e all’innovazione per trasformare e rendere maggiormente democratico un settore critico come quello della finanza, anche attraverso le opportunità che Machine Learning & AI stanno offrendo e offriranno sempre più alle aziende FinTech come la nostra”, spiega il co-fondatore Vittorio Carlei, docente di Advanced Analytics for Business presso l’Università LUISS Guido Carli e Advisor della divisione di R&D.

È sempre Vittorio Carlei a raccontarci che i founder sono esperti affermati nel mondo professionale e accademico. Tutto è nato da una chiacchierata fra amici di lunga data circa i possibili vantaggi di un'idea rivoluzionaria per il mercato finanziario: minimizzare distorsioni nelle scelte operate per gli investimenti attraverso l’utilizzo di tecniche di machine learning. Una questione tutt'altro che banale, valsa il Nobel a Daniel Kahneman.

il co-fondatore  di Qi4M Vittorio Carlei, docente di Advanced Analytics for Business presso l’Università LUISS Guido Carli e Advisor della divisione di R&D
Carlei racconta infatti di un mercato spesso tirato da driver irrazionali, che può essere rivoluzionato da un algoritmo indipendente e svincolato da interessi, alla guida delle scelte degli investimenti.

I fondatori avviarono l'attività come impiego secondario, fino a quando non avvenne l'incontro con Massimo Molinari, che intendeva realizzare una piattaforma di asset management capace di fronteggiare la crisi del risparmio gestito dovuta agli elevati costi e alla difficoltà di soddisfare le esigenze delle persone. I clienti in quel momento pagavano costi enormi, in cambio di modesti risultati. 

Qi4M si è posta l'obiettivo di mettere a punto algoritmi matematici per una gestione intelligente, neutra, automatica e trasparente. L'idea rivoluzionaria ha iniziato a trovare conferma anche nella letteratura scientifica con una serie di pubblicazioni di rilievo. Tra queste, particolarmente significativa, è quella del professore Bryan Kelly dell’Università di Yale che afferma che il machine learning è il futuro per la gestione dei portafogli equity.

All'epoca Qi4M aveva già grande successo, dato che aveva all'attivo clienti importanti quali Credit Suisse e BNP Paribas Cardif. L'azienda si è ulteriormente espansa: oggi impiega quasi 20 persone e prevede di chiudere il 2020 con quasi un milione di ricavi. Nonostante il COVID-19.

I punti di forza

Il primo vantaggio che offre Qi4M è il basso costo di gestione, attraverso l’azzeramento di costi di compliance e lo sfruttamento di economie di scala di natura tecnologica. Ciò rende Qi4M competitiva rispetto alla stessa attività di gestione di portafogli fatta da un'azienda tradizionale. 

In secondo luogo, la piattaforma di Qi4M è agile, quindi più scalabile. Terzo e non meno importante, le performance sono decisamente interessanti. Proprio durante il lockdown, quando il mercato perdeva quasi il 40%, Qi4M lasciava sul campo solo il 15% e a maggio 2020 è già tornata al livello delle quote massime del 2019. 

Carlei sottolinea con soddisfazione che pochi hanno ottenuto questi risultati, e che in genere un traguardo simile si ha con gestori sofisticati e di nicchia e decisamente più costosi. 

Il cliente tipico di Qi4M è quello istituzionale, che per motivi di mercato non può essere un investitore piccolo. "Con la nostra gestione – spiega Carlei - garantiamo che soggetti grandi possano configurare soluzioni accessibili anche a persone con capitali da investire più piccolini". 

Questo in virtù del modo di lavorare di Qi4M, con l'attività di costruzione di prodotti che è disaccoppiata dalla distribuzione. Gli algoritmi sviluppano strategie sofisticate ma trasparenti, tipiche di un gestore high-performing dai costi elevati, ma applicate a prodotti accessibili anche a chi deve investire poco. Questa peculiarità permette di profilare l'investitore e di garantirgli le performance e un livello di sofisticazione che altrimenti non avrebbe.

Le case history

Il primo caso di successo di Qi4M è quello della soprannominata collaborazione con BNP Paribas Cardif. Ha affidato all'azienda meneghina la mission di collocare sul mercato prodotti di risparmio assicurativi, profilando i clienti e suggerendo loro prodotti ad hoc. Gli esperti hanno sviluppato una piattaforma complessa che usa algoritmi di natural processing per calcolare se i costi e il rendimento sono in linea con le aspettative del cliente. Si tratta di formule complesse, che permettono di supportare il banker nel cogliere in maniera più adeguata le esigenze del cliente, offrendogli prodotti che vede più adatti al suo livello di comprensione.

La seconda case history di rilievo è quella relativa all'attività di reballancing agent. Qi4M ha realizzato un indice, divenuto un certificato emesso da Credit Suisse e collocato da Credit Suisse ai suoi clienti, che ha raccolto 30 milioni su base annua. In questo caso particolare, se la strategia si dimostra vincente Qi4M guadagna anche sulle performance generate dalla strategia dell'indice. Attraverso l’algoritmo proprietario, Qi4M gestisce l'indice Terranova pubblicato da Credit Suisse: un esempio di innovazione finanziaria tailor made grazie a soluzioni completamente personalizzabili, scalabili ed economiche.

Interessante, infine, la partnership scientifica con Nowcasting Ltd., azienda nata da un gruppo di professori della London School of Economics. La partnership consiste nello sviluppo di una piattaforma di asset allocation che utilizzi le tecniche di machine learning per segmentare e profilare strategie per i singoli clienti. 

Infine, per il primo semestre 2021 è in programma l'avvio dell'attività di internazionalizzazione, possibile grazie ai partner che hanno già una vocazione europea. L'obiettivo è quello di uscire dai confini italiani e affermarsi in più Paesi del Vecchio Continente.