Goldman Sachs trading desk: il trading di momentum potrebbe aver toccato il fondo ma potrebbe essere necessario ancora qualche settimana, la narrativa sulla spesa in conto capitale dell'AI vacilla

I modelli AI hanno raggiunto performance all’avanguardia con un investimento in potenza di calcolo molto inferiore alle aspettative di mercato, mettendo nuovamente in discussione la narrazione secondo cui “solo un’espansione continua delle spese in conto capitale può vincere la competizione AI”. Il desk di trading One-Delta di Goldman Sachs ritiene che l’aggiustamento delle strategie momentum non sia ancora terminato, ma che il mercato azionario USA attualmente non presenti rischi sistemici e la struttura di mercato rimanga resiliente.

Secondo Rich Privorotsky, responsabile del desk One-Delta di Goldman Sachs, il suo modello momentum mostra che la correzione attuale delle operazioni di Momentum richiederà ancora alcune settimane prima di toccare il fondo, con un ribasso che probabilmente si avvicinerà al livello mediano storico. Tuttavia, dato che la salita precedente è stata molto più ripida rispetto alla media storica, questa correzione potrebbe anche superare la media storica.

Ha inoltre sottolineato che la recente comparsa di una nuova generazione di modelli AI efficienti sta stimolando una riflessione nel mercato sulla logica degli investimenti in infrastrutture per l’AI. Con l’efficienza del training dei modelli in continuo aumento, la narrazione “è necessario continuare a investire enormi capitali per costruire cluster di calcolo sempre più grandi” viene sempre più messa in discussione, mentre il capitale destinato all’AI resta attualmente il principale asse di valutazione delle azioni tecnologiche globali.

Le operazioni momentum non sono ancora state completamente liquidate, la rotazione interna al mercato prosegue

Privorotsky afferma che gli indicatori momentum che monitora mostrano che la volatilità relativa è ancora su livelli elevati, senza ancora segnali tali da rimuovere l’allerta.

Tuttavia, all’interno del mercato sono emerse chiare divergenze. Da un lato, alcuni titoli legati all’hardware AI sono entrati in zona ipervenduto; dall’altro, alcuni settori precedentemente sottoperformanti hanno recuperato terreno nonostante l’assenza di un miglioramento significativo dei fondamentali, segnalando una rotazione evidente dei capitali.

A livello di indice, il mercato azionario USA nel complesso mostra ancora una notevole resilienza. La correlazione tra i settori rimane bassa e i capitali si muovono maggiormente da un settore all’altro invece di trasformarsi in vendite generalizzate. Anche se la volatilità implicita è leggermente aumentata lo scorso venerdì, la struttura di mercato non ha subito cambiamenti sostanziali.

L’aumento dell’efficienza dell’AI mette nuovamente alla prova la logica degli investimenti in conto capitale

Privorotsky, dopo aver testato il modello Kimi K3, ha dichiarato di essere rimasto impressionato dalle sue capacità ingegneristiche. Il modello dispone di 28 trilioni di parametri e, pur essendo self-hosted, necessita comunque di cluster GPU di livello enterprise per il funzionamento, e non può operare su dispositivi locali comuni.

Secondo lui, l’aspetto realmente degno di attenzione non è la fase di inferenza, bensì l’efficienza del training.

Rispetto all’affidamento esclusivo sulla scala del calcolo, la nuova generazione di modelli punta di più sull’ottimizzazione algoritmica, l’innovazione nelle architetture e meccanismi MoE (Mixture of Experts) più efficienti per incrementare la produttività del training. Prendendo Kimi K3 come esempio, il modello dispone di 896 moduli esperti, ma ad ogni inferenza ne vengono attivati solo 16, riducendo notevolmente il consumo di risorse computazionali.

Questo ha portato il mercato a una nuova riflessione: se i modelli più avanzati possono migliorare drasticamente l’efficienza del training grazie alle innovazioni algoritmiche, il settore AI ha ancora bisogno di continuare a costruire data center e cluster di training capital-intensive in continua espansione?

Tuttavia, Privorotsky ritiene che questa sia più una sfida alla logica d’investimento della fase di training, mentre la domanda di potenza di calcolo per l’inferenza resta ben sostenuta e la richiesta di infrastrutture AI a lungo termine non ha subito un’inversione di tendenza fondamentale.

La stagione delle trimestrali determinerà se il trend AI potrà proseguire

Con la Federal Reserve entrata nella “quiet period” pre-riunione, l’attenzione del mercato nel breve termine si sposta sulle riunioni della BCE, sull’indice CPI britannico e sui PMI preliminari delle principali economie globali e altri eventi macroeconomici.

Tuttavia, secondo Privorotsky, sarà la imminente stagione delle trimestrali a decidere davvero la direzione del mercato.

Oltre ad Alphabet, le performance di aziende tecnologiche come Tesla, Texas Instruments, Intel, così come l’evento “Advancing AI” di AMD, saranno indicatori cruciali per valutare il ciclo di investimenti nell’intelligenza artificiale e verificheranno se il mercato continuerà ad accettare la logica degli investimenti AI da mille miliardi di dollari.