L\u2019innovazione tecnologica nel trading di energia \u00e8 stato un macro fenomeno che ha caratterizzato l\u2019industria negli ultimi dieci anni in particolare.<\/p>\n
Possiamo affermare che, a partire dal 2010, ci sia stata una netta accelerata del percorsi di trasformazione digitale delle aziende nel settore energetico. Percorsi che oggi hanno per lo pi\u00f9 raggiunto una buona maturit\u00e0, e che costituiscono a tutti gli effetti asset competitivi a disposizione delle aziende.<\/p>\n
Scopriamo quali sono le tecnologie che pi\u00f9 hanno permesso alle aziende di fare la differenza, in particolare per quanto riguarda l\u2019attivit\u00e0 sui mercati dell\u2019energia, ossia l\u2019attivit\u00e0 di trading.<\/p>\n
Partiamo dalle basi. Per quali ragioni il 2010 \u00e8 stata la data spartiacque tra un mondo dell\u2019energia tradizionale rispetto a uno prettamente technology-driven, basato sulla tecnologia?
\nPur in un contesto di trasformazione graduale, tale data non \u00e8 stata stabilit\u00e0 in modo arbitrario, ma sono diversi i fenomeni che hanno trovato la loro convergenza al termine della prima decade del nuovo millennio.<\/p>\n
In modo significativo, \u00e8 proprio nel 2010 che si \u00e8 iniziato a parlare di \u201calways-on\u201d, ossia di un tessuto sociale costantemente dipendente dalla tecnologia e in particolare dalle informazioni reperibili e scambiabili online.<\/p>\n
Un primo fattore di determinante portata \u00e8 stato il rilascio dei servizi 4G LTE, avvenuto proprio nel 2010 e diffusamente adottato dal grande pubblico negli anni seguenti. Se oggi navigare a 4G sembra un dato di fatto, questo servizio ha permesso di avere uno scambio di dati significativo mantenendo un\u2019esperienza accettabile lato utente. Di fatto, \u00e8 proprio grazie al 4G che \u00e8 stato possibile adottare massivamente servizi di rete come standard operativo.
\n\u00c8, non secondariamente, l\u2019epoca in cui gli smartphone diventano parte integrante del nostro quotidiano.<\/p>\n
Il che significa poter caricare istantaneamente una foto su Facebook o Instagram, certo. Ma anche accedere al portale del broker di energia o dell\u2019Exchange per verificare i prezzi in real-time, e magari sottomettere anche una transazione.<\/p>\n
La diffusione di applicativi mobile e la crescente diffusione della connettivit\u00e0 a banda larga innesca un cambiamento epocale, che gli studiosi del settore chiamano \u201cfase dell\u2019 iper-digitalizzazione <\/a> \u201d.<\/p>\n Dal claim di Apple \u201cThere\u2019s an app for that\u201d (2009) al modello di servizi di Microsoft che denomina ogni software una \u201cMicrosoft App\u201d (Windows 10), le persone si abituano a cercare risposte a tutti i loro interrogativi in rete. I servizi e i prodotti vengono acquistati in rete in prima battuta.<\/p>\n E questo vale anche per i provider di energia. \u00c8 in questi anni che vedono la luce le prime energy company full-digital. Fenomeno che ha acceso una rivoluzione che vediamo ancora oggi in casi di successo come Octopus Energy, Powershop, OVO, NeN.<\/p>\n Diffusosi a partire dai tardi anni \u201890, il cloud computing arriva negli anni duemila nella sua fase di maturit\u00e0. Nel 2006 Amazon Web Services lancia il servizio EC2 (Elastic Compute Cloud), che di fatto abilita aziende e privati a noleggiare computer virtuali e rilasciare su di esse i loro applicativi. Improvvisamente le aziende non devono pi\u00f9 dotarsi di costosi e problematici data center in loco, ma possono sottoscrivere un abbonamento e acquistare i servizi cloud secondo necessit\u00e0.<\/p>\n L\u2019epoca dei software venduti tramite CD-ROM \u00e8 presto un ricordo di archeo-informatica, oggetti da collezione per i nostalgici. L\u2019esplosione di Salesforce (ritenuto universalmente come il primo prodotto rilasciato in modalit\u00e0 esclusivamente online, nel 1999), segna un cambio di rotta epocale. I software vengono acquistati tramite abbonamento. Abbonamento che pu\u00f2 essere lifetime cos\u00ec come mensile. O addirittura provato in versione trial per un periodo di tempo limitato.<\/p>\n Un cambio di paradigma devastante che porta all\u2019esplosione dei software forniti via cloud (\u201cSoftware as a service\u201d) anche all\u2019interno del mondo dell\u2019energia, dapprima prettamente focalizzato sul \u201cmake\u201d piuttosto che sul \u201cbuy\u201d.<\/p>\n Oggi si parla di XaaS inteso come \u201cAnything as a Service\u201d, un comparto che include la parte software ma anche quella di infrastruttura, piattaforma, analytics, ecc.<\/p>\n Il mondo della finanza \u00e8 ancora scosso dalla crisi dei mutui subprime e dal crack di Lehman Brother (ne abbiamo parlato in relazione all\u2019impatto sui mercati dell\u2019energia in quest\u2019articolo <\/a> ): serve nuova linfa per ripartire.<\/p>\n L\u2019input arriva proprio dall\u2019adozione di modelli di business maggiormente basati sulla tecnologia. La connettivit\u00e0 permette di erogare servizi di trading mobile-first. Gli investimenti nel settore creano un circolo virtuoso dove investimenti migliorano la tecnologia, i risultati richiamano altri investimenti.<\/p>\n Le persone si abituano a fare trading dai loro iPhone e tablet. Il trend si diffonde rapidamente ai settori limitrofi, tra i quali ovviamente il trading di commodity, e quindi di energia.<\/p>\n \u00c8 in questo contesto, tecnologicamente accelerato, che prendono vita e si sviluppano le soluzioni tecnologiche che oggi dominano il mercato dell\u2019energia.<\/p>\n Esploriamo le principali soluzioni tecnologiche che hanno cambiato il settore del trading di energia e hanno portato alla sua evoluzione.<\/p>\n I sistemi di trading e gestione del rischio energetico (ETRM – Energy Trading & Risk Management) sono sistemi informatici integrati che consentono di recepire le informazioni derivanti dall\u2019attivit\u00e0 di trading (dettagli delle transazioni, controparti, valorizzazione creditizia e contrattuale, metadati), valorizzarle dal punto di vista econometrico (PnL, misure di rischio come VaR e PaR), ritornare la posizione aperta per ciascun book, gestire simulazioni di portafoglio, computare indici e panieri di commodity. Un sistema ETRM \u00e8 utilizzato naturalmente dal front office (traders, sales, origination) ma anche dalle funzioni di operations (middle & back-office), di risk management, controlling, legal & compliance. Nel caso specifico dell\u2019energy trading, ci si riferisce a ETRM come al software che permette la gestione di tali attivit\u00e0, sebbene sia consuetudine identificare allo stesso modo anche servizi di consulenza insistenti sul medesimo perimetro.<\/p>\n L\u2019adozione di sistemi ETRM \u00e8 spesso connessa all\u2019utilizzo di sistemi di deal capturing e data enrichment, cos\u00ec come sistemi di ERP (Enterprise, Resource Planning, ossia processi logistico-gestionali) e CRM (Customer Relationship Management, ossia inerenti gestione ciclo di vita del cliente).<\/p>\n Quello dei software ETRM \u00e8 un mercato in crescita: si stima potr\u00e0 raggiungere i duemila miliardi di dollari entro il 2030 (CAGR +3 %), e i player che erogano tale tipologia di servizi si stanno specializzando in nicchie specifiche (front office, gestione del rischio, modellistica, automazioni).<\/p>\n L\u2019ETRM \u00e8 oggi la soluzione standard nella moderna azienda di trading energetico, alla base di una gestione consapevole delle transazioni e del loro impatto sul portafoglio.<\/p>\n MACHINE LEARNING<\/strong><\/p>\n Il machine learning (abbreviato ML) \u00e8 una sottocategoria del pi\u00f9 vasto (e generico) campo dell\u2019intelligenza artificiale (AI).<\/p>\n Nello specifico, con machine learning si indica un insieme di metodi di natura statistica, computazionale, matematica e informatica che permettono di creare algoritmi in grado di identificare pattern all\u2019interno di scenari o insiemi di dati e quindi di riprodurli in modo autonomo o supervisionato.<\/p>\n Intuitivamente quindi, il machine learning necessita di:<\/p>\n Le applicazioni del machine learning nell\u2019industria energetica sono molteplici:<\/p>\n Gli approcci per l\u2019esecuzione di strategie di machine learning sono molteplici, documentati, e in continua esplorazione. A titolo di esempio elenchiamo reti bayesiane, alberi decisionali, support vector machine, reti neurali, deep learning.<\/p>\n Le professionalit\u00e0 che ricorrono al machine learning rientrano specificatamente nella categoria dei data scientist<\/a>, figure ormai standard nel trading floor di una energy company moderna.<\/p>\n Il trading algoritmico diventa uno standard nei mercati finanziari attorno agli anni \u201890, ma \u00e8 solo nel 2000 che esso diventa una pratica standardizzata, e via via sempre pi\u00f9 regolata. Il passaggio al trading di energia \u00e8 stato consequenziale, in un contesto unitario dato dall\u2019intersezione dei mercati finanziari con quelli di commodity.<\/p>\n Il trading algoritmico permette di eseguire operazioni pre-programmate che si innescano al verificarsi di determinate condizioni di mercato (tempo, volumi, prezzi, e variazioni degli stessi). Diverse variabili vengono tra loro accorpate per dare vita a strategie di trading automatizzato che vengono computate con algoritmi di natura matematico-finanziaria, la cui esecuzione \u00e8 demandata a software specialistici in virt\u00f9 sia della loro complessit\u00e0 che delle tempistiche subitanee di esecuzione richieste dalla natura stessa dei fenomeni di mercato.<\/p>\n Il trading algoritmico viene sovente associato all\u2019attivit\u00e0 intraday su mercati spot, dove la rapidit\u00e0 di esecuzione \u00e8 determinante per la riuscita della strategia di trading, in funzione delle variabili sottostanti.<\/p>\n Laddove il trading algoritmico:<\/p>\n Allora esso rientra nella sottocategoria dell\u2019HFT (High Frequency Trading).<\/p>\n Tale tipologia di transazioni \u00e8 di fatto la norma nei mercati finanziari (secondo dati Consob esso rappresenta il 50% dell\u2019eseguito sulla piazza borsistica di Milano), e sta rapidamente conquistando volumi anche nel comparto del trading energetico.<\/p>\n Proprio in virt\u00f9 di una sempre pi\u00f9 crescente diffusione, recenti e autorevoli voci hanno sollevato dubbi a riguardo dell\u2019impatto degli stessi sulla volatilit\u00e0 dei prezzi avvenuta nel secondo semestre 2022. Citiamo ICIS, 01 Agosto 2022<\/a>: \u201cEnergy markets need urgent debate about role of algorithmic trading in volatility\u201d. <\/i><\/p>\n Quando parliamo di big data non facciamo riferimento genericamente a \u201cgrandi moli di dati\u201d, ma a dati aventi specifiche qualit\u00e0 e alle strutture dati idonee per la loro raccolta, classificazione e gestione (ne abbiamo parlato nel dettaglio nel blog di Ark, la parent company di Artesian: scopri tutto sulla Big Data Architecture<\/a>).<\/p>\n I big data possono essere classificati in base al paradigma delle 3V<\/strong> :<\/p>\n I big data, le tecnologie e metodologie ad esso inerenti (data warehouse tradizionali, data lake, data mesh) e le professionalit\u00e0 necessarie, sono oggi elementi fondamentali nella definizione di una strategia di trading moderna, che sfrutti appieno le potenzialit\u00e0 offerte dalla tecnologia. \u00a0<\/strong><\/p>\n IoT<\/strong><\/p>\n La genesi di grandi quantit\u00e0 di dati, necessari per ottimizzare strategie di trading moderne, si basa in prima battuta sulla capacit\u00e0 di catturare tali dati, spesso in via contestuale rispetto alla genesi degli stessi.<\/p>\n Grazie all\u2019IoT (Internet of Things) siamo in grado di catturare dati di prima mano provenienti da:<\/p>\n La capacit\u00e0 di intercettare, acquistare, rilevare un tale flusso di dati, e saperlo poi interpretare, pu\u00f2 essere di vitale importanza per il trader di energia. Il dato proveniente da dispositivi edge (ossia, collocati sul perimetro del network aziendale, vicino alla sorgente del dato) consente di avere un vantaggio competitivo rispetto ai competitor e di assicurare secondi preziosi per l\u2019esecuzione della strategia di trading.<\/p>\n L\u2019utilizzo di dati IoT richiede una serie omnicomprensiva di professionalit\u00e0 e tecnologie, che ricade nel novero di quanto fin qui analizzato: database per lo stoccaggio, connettivit\u00e0 a bassa latenza per l\u2019acquisizione, algoritmi auto-apprendenti per l\u2019estrapolazione di valori dai dataset, competenze in grado di gestire tale flusso di lavoro.<\/p>\n Giunti a questo punto potrebbe essere lecito domandarsi quale sia il senso di imbastire una tale architettura informatica, una tale struttura di competenze.<\/p>\n La risposta ci viene data dal mantenimento del vantaggio competitivo, dalla necessit\u00e0 per ogni azienda, e tanto pi\u00f9 per aziende operanti su mercati mutevoli, volatili, e competitivi in termini di marginalit\u00e0 come quelli del trading su sottostanti fisici e finanziari.<\/p>\n In un mercato sempre pi\u00f9 dipendente dalle tecnologie digitali (secondo IEA gli investimenti in software e infrastrutture digitali sono cresciuti ad un ritmo vicino al 20% YoY dal 2014 al 2016, e si stima che tali investimenti saranno sensibilmente superiori agli investimenti nella pura generazione di energia), solo le aziende che sapranno dotarsi degli adeguati strumenti e delle adeguate competenze potranno mantenere il loro vantaggio competitivo.<\/p>\n Restare al passo con tecnologie in costante e rapida evoluzione, padroneggiare strumenti complessi, interagire con mercati frenetici, possono essere sfide disarmanti se affrontate con mezzi inadeguati.<\/p>\n Artesian e il team di Ark nascono con la specifica missione di semplificare la filiera del dato all\u2019interno dell\u2019attivit\u00e0 del trading di energia, mettendo al tuo fianco una soluzione SaaS innovativa e specialistica e competenze verticali sui mercati dell\u2019energia.<\/p>\n Artesian \u00e8 gi\u00e0 utilizzato con successo dalle principali energy company su scala globale. <\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" Il trading di energia dipende sempre pi\u00f9 dall\u2019innovazione tecnologica. Vediamo i casi principali L\u2019innovazione tecnologica nel trading di energia \u00e8 stato un macro fenomeno che ha caratterizzato l\u2019industria negli ultimi dieci anni in particolare. Possiamo affermare che, a partire dal 2010, ci sia stata una netta accelerata del percorsi di trasformazione digitale delle aziende nel […]<\/p>\n","protected":false},"author":3,"featured_media":2821,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[21,16],"tags":[],"class_list":["post-2820","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-energy-market","category-news"],"yoast_head":"\nCloud computing<\/strong><\/h5>\n
SaaS & XaaS<\/strong><\/h5>\n
Fintech<\/strong><\/h5>\n
Principali tecnologie e casi d\u2019uso<\/h3>\n
ETRM<\/strong><\/h4>\n
\nSe questa terminologia non ti \u00e8 familiare, puoi scaricare gratuitamente la nostra guida \u201c The Energy Trading Handbook: from zero to hero <\/a> \u201d.<\/p>\n\n
\n
ALGO TRADING<\/strong><\/h4>\n
\n
BIG DATA<\/strong><\/h4>\n
\n
\n
Mantenere il vantaggio competitivo<\/h3>\n
Innovazione & semplicit\u00e0 con Artesian<\/h3>\n
\nAttiva un free trial<\/a> oggi stesso o contattaci<\/a> per scoprire tutti i nostri servizi.<\/p>\n