Considerando il crescente dibattito su una possibile crisi finanziaria o un potenziale attacco finanziario previsto per il prossimo anno, ho ritenuto opportuno sintetizzare un rapporto pubblicato dalla “Rand Corporation”, un think tank globalista non imparziale che, fin dall’inizio del secolo scorso, ha influenzato la politica militare e tecnologica degli anglo-americani e, di conseguenza, di tutti i paesi occidentali.
Il documento fa un curioso riferimento a un “11 settembre finanziario” alla fine del testo, motivo per cui ho ritenuto necessario non sottovalutarne il contenuto. Del resto, il sistema finanziario è talmente interconnesso che qualsiasi evento negli USA si ripercuote automaticamente in Europa, come abbiamo potuto constatare con la crisi della Lehman Brothers. Nonostante in questo periodo stia scrivendo poco a causa del mio impegno nel nuovo libro, ho voluto condividere queste informazioni. Di seguito i punti chiave.
Minacce tecnologiche ed economiche al sistema finanziario statunitense: una valutazione iniziale dei rischi crescenti
Questo rapporto fornisce una valutazione esplorativa delle minacce straniere al sistema finanziario degli Stati Uniti, concentrandosi sui rischi emergenti posti dall’intelligenza artificiale (IA), dai social media e dai cambiamenti nel panorama geopolitico. In particolare, esaminiamo attacchi ai modelli di trading finanziario, il dumping di obbligazioni, i deepfake e l’ingegneria memetica. Queste minacce sono state selezionate basandosi su discussioni con gruppi di esperti e una revisione dettagliata della letteratura.
Metodi Utilizzati per Identificare le Minacce
L’obiettivo era focalizzarsi su minacce nuove, poco comprese o in evoluzione a causa di recenti eventi tecnologici e geopolitici. Dopo una revisione della letteratura sui rischi finanziari, abbiamo individuato scenari di minaccia descritti da studiosi, gruppi industriali o il governo. Il quadro complessivo includeva categorie di minacce come cyberattacchi, attacchi fisici, manipolazione del mercato, operazioni economiche e operazioni di informazione.
Discussioni con Esperti
Abbiamo condotto focus group con esperti RAND ed esterni, identificando le principali minacce. Gli esperti concordavano sul fatto che le operazioni di informazione rappresentano una minaccia significativa, con le capacità emergenti dell’IA che riducono i costi per eseguire tali attacchi. Gli attacchi potrebbero includere la diffusione di deepfake attraverso i social media o l’ingegneria memetica, che mira a manipolare idee e comportamenti.
Minacce Principali
- Attacchi ai modelli di trading: Manipolazione dei dati che alimentano gli algoritmi finanziari, con potenziali conseguenze economiche non risolte.
- Dumping di obbligazioni: Vendita deliberata di obbligazioni del Tesoro USA per sconvolgere il mercato, legata alle relazioni geopolitiche USA-Cina.
- Deepfake: Uso di tecnologia avanzata per creare contenuti falsi che influenzano l’opinione pubblica e manipolano il mercato.
- Ingegneria memetica: Creazione strategica di idee per influenzare un pubblico mirato, spesso sfruttando trigger psicologici.
Conclusioni
Il rapporto mira a informare i responsabili politici e le istituzioni finanziarie sui rischi emergenti e sulle possibili azioni per aumentare la resilienza del sistema finanziario USA. Utilizzando teoria economica ed evidenze storiche, stimiamo i costi potenziali di ciascun attacco e caratterizziamo la probabilità di ciascun scenario di minaccia. L’analisi si basa su letteratura esistente e opinioni di esperti, evidenziando la necessità di ulteriori ricerche in aree con scarsa letteratura rilevante.
Prima Minaccia: Attacco ai modelli
Quasi l’80% del volume di trading negli Stati Uniti è eseguito da algoritmi. Il trading algoritmico ha aperto l’accesso alla liquidità e alla fornitura nei mercati azionari a una gamma più ampia di partecipanti su diverse piattaforme di trading. L’intelligenza artificiale (IA) e il suo sottoinsieme, il machine learning (ML), giocano un ruolo fondamentale nel trading finanziario poiché permettono agli algoritmi di elaborare rapidamente le informazioni e prendere decisioni molto più velocemente degli esseri umani.
Modelli specifici come le reti neurali sono sempre più utilizzati per prevedere le tendenze del mercato e si sono dimostrati più efficaci dei modelli lineari tradizionali nel prevedere i prezzi degli asset e nell’identificare tendenze e pattern in tempo reale nei dati di mercato. Le reti neurali e i modelli di deep learning sono particolarmente utili per catturare relazioni non lineari complesse e per l’analisi del sentiment nei dati testuali, essenziali per strategie come il trading ad alta frequenza.
Benefici e Rischi del Trading Algoritmico
Studi mostrano che i sistemi di trading algoritmico hanno migliorato la liquidità e la qualità del mercato, sebbene abbiano anche creato un mercato più complesso e integrato, aumentando il rischio sistemico e rendendo il mercato più vulnerabile a guasti algoritmici. Ad esempio, la SEC ha descritto come errori tecnologici nelle strategie di trading algoritmico e nei programmi di esecuzione automatica possano rapidamente erodere la liquidità del mercato, specialmente in periodi di alta volatilità.
Minacce Potenziali: Attacchi Avversari e Avvelenamento dei Dati
Gli attacchi avversari e l’avvelenamento dei dati sono tra le possibili cause di guasti algoritmici, entrambi derivanti dall’uso di IA e ML nei modelli di trading finanziario. Gli attacchi avversari sono tentativi deliberati di manipolare o ingannare una rete neurale introducendo perturbazioni sottili nei dati di input, causando errori di classificazione o previsioni inaccurate. L’avvelenamento dei dati mira a influenzare un modello durante la fase di addestramento aggiungendo elementi nel set di dati di addestramento per insegnare al modello schemi errati e pregiudicare le previsioni una volta completato l’addestramento.
Costi Potenziali
La ricerca mostra che gli attacchi avversari sui modelli di trading basati sul deep learning possono causare perdite finanziarie significative. Ad esempio, cambiando solo una parola nei retweet su Twitter, gli attaccanti possono iniettare falsi sentimenti sottili nel discorso online, causando perdite tra il 23% e il 32% nei portafogli di trading simulati. Anche poche false transazioni nei dati di trading possono alterare la risposta dei modelli di deep learning, con conseguenti perdite finanziarie significative.
Esempi Storici e Misure di Protezione
Eventi precedenti, come il flash crash del 2010, evidenziano come il trading automatizzato possa causare fluttuazioni di prezzo a livello di mercato, specialmente durante periodi di elevata volatilità. Le misure adottate dopo il flash crash del 2010, come i circuit breaker, potrebbero limitare le perdite finanziarie da tali attacchi. Ad esempio, durante la pandemia di COVID-19, il circuit breaker di mercato è stato attivato quattro volte in dieci giorni.
Fattori che Influenzano la Probabilità di Attacco
Diversi fattori influenzano la probabilità di un attacco ai modelli finanziari. Ad esempio, la concentrazione dello sviluppo di modelli avanzati di IA tra poche grandi aziende potrebbe creare dipendenze nel settore finanziario, aumentando il rischio sistemico. La difficoltà di scalare gli attacchi nel mondo reale rispetto agli ambienti di laboratorio limita ulteriormente la probabilità di successo di tali attacchi.
Seconda Minaccia: Bond Dumping
Una domanda ricorrente nelle discussioni politiche è se stati esteri potrebbero utilizzare il loro potere di mercato per danneggiare l’economia statunitense o la sua egemonia economica, in particolare vendendo in massa i titoli di Stato USA. Questa possibilità è stata vividamente illustrata durante la crisi finanziaria del 2008, quando la Russia ha esortato la Cina a collaborare nel vendere titoli di debito delle agenzie governative USA per aggravare ulteriormente il mercato già in difficoltà. Da allora, si è tornato a parlare di usare il debito USA come arma nel 2019, in risposta alla riduzione delle partecipazioni cinesi nei titoli di Stato USA, e ancora nel 2022 e 2023 mentre la Cina continuava a diminuire tali partecipazioni.
Differenza tra Bond Dumping e De-dollarizzazione
Il dumping di obbligazioni è diverso dalla de-dollarizzazione dei mercati o dei sistemi di pagamento. A differenza della de-dollarizzazione, il bond dumping sarebbe un evento acuto e sorprendente, per il quale mercati e governi non potrebbero pianificare. La storia ipotetica è che una vendita massiccia e improvvisa farebbe crollare i prezzi delle obbligazioni, aumentare i tassi di interesse e causare caos nei mercati.
Possibili Impatti e Costi
Gli effetti quantitativi del bond dumping possono essere stimati studiando come i tassi di interesse rispondono alle vendite di debito posseduto da stranieri. A giugno 2023, la Cina possedeva 835 miliardi di dollari in titoli di Stato USA; per ogni 100 miliardi di dollari venduti, i tassi di interesse aumenterebbero di 0,26-0,71 punti percentuali. Questo aumento si ridurrebbe nel corso dei successivi 12 mesi. Gli studi empirici e i precedenti storici suggeriscono che i mercati potrebbero assorbire tale shock grazie alle dimensioni e alla liquidità del mercato, oltre all’intervento della Federal Reserve.
Nel 2008, Cina e Russia hanno venduto complessivamente 220 miliardi di dollari in titoli GSE, aumentando i tassi di interesse di 1,4 punti percentuali. Tuttavia, l’intervento del governo USA ha limitato l’impatto. Anche il rapido inasprimento della politica monetaria della Federal Reserve ha aumentato i tassi dei Treasury a cinque anni di 4 punti percentuali dal 2020. La Cina dovrebbe vendere almeno 500 miliardi di dollari in titoli di Stato USA per generare uno shock simile.
In entrambi i casi storici, il mercato ha assorbito gli effetti grazie alla sua profondità e alta liquidità. Più importante, nel 2008, la Federal Reserve è intervenuta per acquistare grandi quantità di asset, stabilizzando i tassi di interesse e limitando la volatilità a breve termine. Pertanto, sebbene aumenti bruschi dei tassi di interesse causino volatilità del mercato, gli effetti sono limitati e di breve durata.
Fattori che Influenzano la Probabilità
Concludiamo che il bond dumping causerebbe probabilmente volatilità a breve termine e potenzialmente gravi perdite per alcuni obbligazionisti, ma non distruggerebbe l’economia. Più importante, è altamente improbabile. Questa valutazione è condivisa da altri esperti che hanno sminuito la possibilità di tale scenario dal 2008. La Russia non è più un fattore rilevante, avendo venduto gran parte dei suoi titoli di Stato USA entro il 2018.
Rimane solo la Cina con la capacità e il possibile incentivo geopolitico per vendere obbligazioni USA in modo offensivo. Tuttavia, la Cina ha virtualmente nessun incentivo a farlo poiché danneggerebbe se stessa più degli Stati Uniti o dei mercati finanziari. La strategia di investimento della Cina riflette una posizione difensiva, non offensiva, volta a rendere il renminbi più competitivo e sostenere la crescita basata sulle esportazioni.
La Cina ha cercato di sostenere la propria valuta attraverso cambiamenti nella regolamentazione bancaria e nelle partecipazioni in titoli di Stato USA, vendendo titoli a luglio 2023 per sostenere lo yuan. Queste azioni rispondono al deterioramento delle condizioni economiche cinesi, non sono mosse offensive per danneggiare il dollaro e non hanno avuto un impatto sostanziale sui mercati USA. La minaccia di un conflitto USA-Cina su Taiwan ha implicazioni critiche per la stabilità finanziaria, ma deve essere affrontata con mezzi geopolitici, non finanziari.
Terza Minaccia: DeepFake
Il termine deepfake, un mix dei termini deep learning e fake media, si riferisce comunemente a video, immagini, documenti o audio digitalmente falsificati o alterati. I deepfake vengono creati utilizzando strumenti di intelligenza artificiale (AI), che si sono sviluppati rapidamente negli ultimi anni. Non solo i deepfake sono diventati più facili da creare, ma la loro qualità è migliorata al punto che le persone spesso non riescono a distinguere tra media falsi e reali. Questo progresso tecnologico ha suscitato preoccupazioni sull’uso dei deepfake per diffondere disinformazione in contesti politici, sebbene la minaccia ai sistemi finanziari sia meno studiata.
Discussioni su Deepfake e Settore Finanziario
Nel 2020, la Carnegie Endowment for International Peace ha convocato un tavolo di esperti dei settori finanziari, tecnologici e regolatori per discutere l’impatto futuro dei deepfake sui mercati finanziari. Il rapporto ha rilevato disaccordo tra gli esperti sulla fattibilità e gli esiti probabili di un attacco deepfake nel settore finanziario. Alcuni ritenevano che i deepfake fossero sovrastimati, mentre altri li consideravano una sfida critica per il futuro del sistema finanziario. Tuttavia, il rapporto ha concluso che i deepfake non rappresentano una minaccia attuale per la stabilità finanziaria, ma che il rischio per singole aziende potrebbe crescere in futuro, soprattutto per quelle che affrontano crisi di pubbliche relazioni.
Rischi e Costi Potenziali
Alcuni esperti ritengono che un singolo deepfake potrebbe temporaneamente disturbare i mercati, ma una campagna orchestrata di deepfake potrebbe causare danni più profondi e duraturi. La tecnologia di rilevamento dei deepfake è ancora in ritardo rispetto alla loro qualità crescente. Ad esempio, nel 2020, un concorso di rilevamento deepfake ha visto il modello vincente raggiungere solo il 65% di accuratezza. Tuttavia, recenti miglioramenti nella tecnologia di rilevamento, come il FakeCatcher di Intel, hanno raggiunto un tasso di successo del 96%.
Esempi di Impatti Finanziari
Esempi passati di deepfake hanno causato danni finanziari relativamente minori. Il 22 maggio 2023, un’immagine falsa di un’esplosione fuori dal Pentagono ha fatto calare l’indice S&P 500 dello 0,3% in pochi minuti, sebbene l’immagine fosse rapidamente smentita. Nel 2019, truffatori hanno utilizzato cloni vocali per rubare 667 milioni di dollari ai residenti statunitensi e 1,7 miliardi di dollari alle aziende statunitensi.
Una campagna di attacco deepfake ben orchestrata contro un’azienda già in crisi di pubbliche relazioni potrebbe causare danni finanziari su larga scala, sfruttando la capacità dei social media di erodere rapidamente la fiducia dei consumatori. Ad esempio, un video deepfake realistico di un leader aziendale che fa commenti denigratori potrebbe danneggiare la reputazione, le vendite e il prezzo delle azioni dell’azienda.
Fattori che Influenzano la Probabilità
Poiché i deepfake hanno già avuto un impatto sui mercati finanziari e gli strumenti AI per crearli stanno migliorando rapidamente, è probabile che immagini, video, audio e testi falsi continueranno a disturbare i mercati. Tuttavia, diversi fattori potrebbero amplificare l’impatto finanziario dei deepfake, come la capacità e i costi per un avversario di condurre una campagna di deepfake complessa e la diminuzione dei costi per produrre deepfake credibili.
La probabilità di maggiori disgregazioni finanziarie causate dai deepfake potrebbe essere limitata dai costi opportunità. Molta attenzione sui rischi dei deepfake è rivolta ai contesti politici, poiché esiste una correlazione diretta tra il sentiment pubblico e gli esiti politici. Gli attacchi deepfake potrebbero quindi colpire il sistema finanziario come danno collaterale piuttosto che come obiettivo principale.
Nota: L’articolo prosegue e si conclude con la parte 2ª in data 30/08/2024
