La fiducia nel robo advice
Evidenze da uno studio sperimentale

B. Alemanni, A. Angelovski, D. Di Cagno, A. Galliera, N. Linciano, F. Marazzi, P. Soccorso

Quaderno FinTech n. 7 - settembre 2020 [formato PDF] 
 

Sintesi del lavoro
Negli ultimi anni, la consulenza automatizzata (robo advice) ha conosciuto un notevole sviluppo, soprattutto nel contesto anglosassone. In parallelo, regolatori e autorità di vigilanza si sono interrogati e hanno adottato misure tese a mitigare i rischi per la tutela degli investitori, identificati sulla base di ipotesi circa le attitudini e le distorsioni comportamentali che potrebbero emergere tra i fruitori di robo advice. Il presente studio indaga sui comportamenti che potrebbero prevalere tra gli investitori più giovani, la categoria potenzialmente più interessata dal fenomeno, verificando se la propensione di un individuo a seguire una raccomandazione di investimento cambia a seconda che il consiglio venga formulato da un consulente umano ovvero da un robo advisor. A tal fine, il lavoro utilizza dati ed evidenze raccolti nell'ambito di un esperimento di laboratorio; tale esperimento ha coinvolto 178 studenti universitari della LUISS, sottoposti casualmente a due diversi trattamenti, e si è articolato in quattro fasi. Nella prima, i partecipanti hanno deciso come investire una (ipotetica) dotazione monetaria iniziale, fornita loro al momento dell'avvio dell'esperimento, scegliendo tra sei diversi portafogli di attività finanziarie caratterizzati da un diverso profilo rischio-rendimento. In seguito, dopo essere stati profilati attraverso un questionario standard utilizzato nella ricerca accademica (Grable and Lytton's Risk Tolerance Quiz), gli studenti hanno ricevuto (nella fase 2) una raccomandazione di investimento, coerente con il profilo di rischio individuato sulla base delle risposte al questionario, da un consulente umano ovvero da una piattaforma digitale appositamente sviluppata per l'esperimento (il robo advisor), a seconda del trattamento a cui erano stati casualmente assegnati. Nella terza fase, agli studenti è stato chiesto di scegliere di nuovo uno dei sei portafogli proposti. Nella quarta e ultima fase, i partecipanti hanno risposto a diversi questionari volti a rilevare una serie di variabili successivamente utilizzate nei modelli econometrici con i quali sono state stimate le determinanti della probabilità di seguire le indicazioni di investimento ricevute durante l'esperimento. I risultati ottenuti sembrano suggerire che la probabilità che un individuo segua una raccomandazione di investimento non dipende dalla natura del consulente (ossia prescinde dal fatto che il consulente sia fisico o digitale), bensì dal divario tra la scelta effettuata in autonomia prima di ricevere il consiglio e la scelta raccomandata dal consulente. Nel dettaglio, la probabilità che l'investitore sia disposto a seguire le indicazioni del consulente (umano o robo) aumenta se il portafoglio consigliato coincide con quello precedentemente scelto in autonomia. Tale evidenza potrebbe essere spiegata, tra le altre cose, da una propensione al cosiddetto ‘confirmation bias' (ossia l'attitudine a considerare tra le informazioni disponibili soprattutto quelle che confermano ipotesi e opinioni preesistenti). Nei casi in cui la scelta autonoma differisce dalla raccomandazione ricevuta, i partecipanti sembrano più propensi a seguire i consigli del consulente umano e meno propensi a seguire i consigli formulati da un algoritmo. Infine, i risultati mostrano che le studentesse partecipanti all'esperimento tendono a seguire i consigli ricevuti dal consulente fisico più di frequente se il consulente è una donna rispetto al caso in cui la raccomandazione sia stata formulata da un uomo.
Il presente lavoro è parte di un'indagine sul fenomeno del FinTech che CONSOB ha avviato nel 2016, in collaborazione con numerose Università italiane, con l'obiettivo di esplorare opportunità e rischi derivanti dall'applicazione dell'innovazione tecnologica all'offerta dei servizi finanziari. In particolare, lo studio integra il filone di ricerca dedicato al robo advice (Lener, Linciano e Soccorso, 2019, a cura di; Caratelli et al., 2019) con un contributo originale sui comportamenti di una specifica fascia di potenziali clienti di robo advisor, ossia i cosiddetti millennials e post-millennials che, secondo un approccio evidence based, potrebbero essere tenuti in considerazione nell'ambito di specifiche iniziative a tutela dell'investitore. Futuri sviluppi del lavoro potrebbero riguardare la percezione che le persone hanno della correttezza, dell'imparzialità e della trasparenza degli algoritmi utilizzati nell'offerta di servizi finanziari, ulteriori distorsioni cognitive che possono condizionare le scelte di investimento in ambiente digitale e le tecniche utilizzabili per mitigarne gli eventuali effetti pregiudizievoli per la tutela degli investitori.

Autori
Barbara Alemanni (University of Genoa, barbara.alemanni@gmail.com)
Andrej Angelovski (LUISS University e Middlesex University, London, UK, A.Angelovski@mdx.ac.uk)
Daniela Di Cagno (LUISS University, ddicagno@luiss.it)
Arianna Galliera (LUISS University e Università del Sacro Cuore, Milan, IT, ari.galliera@gmail.com)
Nadia Linciano (Consob, Economic Research Unit, Research Department, n.linciano@consob.it)
Francesca Marazzi (LUISS University e CEIS Tor Vergata - University of Rome Tor Vergata, Rome, IT, fr.marazzi@gmail.com)
Paola Soccorso (Consob, Economic Research Unit, Research Department, p.soccorso@consob.it)

Si ringrazia Werner Güth per gli utili commenti e gli studenti dell'Università LUISS che hanno partecipato all'esperimento. Errori e imprecisioni sono imputabili esclusivamente agli autori. Le opinioni espresse nel lavoro sono attribuibili esclusivamente agli autori e non impegnano in alcun modo la responsabilità dell'Istituto. Nel citare il presente lavoro, non è, pertanto, corretto attribuire le argomentazioni ivi espresse alla CONSOB o ai suoi Vertici.

JEL Classifications: C91, D12, G11, G41.

Keywords: FinTech, digitalisation, robo advice, MiFID II, portfolio choice, investment decisions, experimental analysis, laboratory.

ISBN 9788894369779