Post on 16-Feb-2019
transcript
I robo advisor sono già considerati il futuro della finanza, ma il loro posto verrà presto preso dai Neural Advisor, costruiti emulando i migliori schemi biologici conosciuti.
Autore
Roberto Malnati
Le formiche sono apparse sulla terra da almeno 140 milioni di anni e sono sopravvissute all’estinzione dei dinosauri occorsa 66 milioni di anni fa. Organizzazione gerarchica, comunicazione codificata, cooperazione e competizione permettono al formicaio di esistere come entità intelligente autonoma e autoadattiva. Queste caratteristiche sono state riprodotte in un software per massimizzare la sopravvivenza degli investitori e per farli prosperare.
Disclaimer
Il presente per informare autori, associati e non, fruitori, che nessuna responsabilità viene assunta da SIAT Associazione in relazione all’uso e/o utilizzo dei contenuti intellettuali divulgati da, o attraverso, essa qualsiasi mezzo divulgativo venga utilizzato:
partecipazione fisica ad eventi organizzati sia in propria sede o altrove;
partecipazione elettronica attraverso file di ogni genere, utilizzati per qualsiasi finalità o prelevabili dal sito www.siat.org;
partecipazione mediatica attraverso videoregistrazioni od altro.
Tutti i contenuti divulgati (non costituiscono in nessun modo sollecitazione al pubblico risparmio) internamente tra associati e/o esternamente anche a terze parti, sono soggetti alla normativa vigente in materia di diritto d’autore e di proprietà intellettuale, pertanto qualsiasi uso e/o utilizzo possa essere realizzato deve essere preventivamente concordato direttamente tra l'autore ed il fruitore in totale autonomia e responsabilità.
SIAT Associazione si dichiara a favore dell'esclusivo e totale rispetto delle norme vigenti pertanto non sarà in alcun caso responsabile a qualunque titolo per qualsiasi tipo di danno, diretto o indiretto, derivante da qualsiasi uso e/o utilizzo dei contenuti divulgati.
iFintech è una società italiana, composta da un Team di professionisti di consolidata esperienza in:
• Asset management
• Risk management
• Reti neurali e intelligenza artificiale
• Progettazione e sviluppo software
• Distribuzione di prodotti finanziari
iFintech è la società che ha realizzato Neural Advisor, la migliore piattaforma realmente disponibile sul mercato nazionale ed internazionale, sviluppata con reti neurali e swarm intelligence, per la fornitura di servizi automatizzati e predittivi per l’ Advisory istituzionale di linee di gestione e fondi di investimento.
Neural advisor & Swarm intelligence
• Lo studio sulla swarm intelligence ha portato alla creazione dell'algoritmo ACO (Ant Colony Optimization) che viene utilizzato per la risoluzione di problemi complessi (*). L'idea di base di questo algoritmo che viene impiegato dal Neural advisor prende spunto dall'organizzazione di una colonia di formiche. Si usa infatti un meccanismo di feedback positivo come una sorta di "feromone virtuale", per rafforzare quelle parti di soluzione che contribuiscono alla risoluzione del problema. Per evitare invece la convergenza verso opzioni non idonee, viene utilizzato un meccanismo di feedback negativo (ad esempio l'evaporizzazione del feromone virtuale) che introduce una componente temporale nell'algoritmo
• Il punto di forza dell'ACO consiste quindi nella creazione di un “sistema intelligente distribuito”. Ciò significa che le scelte adottate non sono prese da un'unica entità che lavora al problema, bensì da una colonia, che agisce autonomamente e per mezzo dei feromoni riesce a condividere le soluzioni appena vengono trovate, adattandosi dinamicamente all'ambiente
La colonia
• Ogni individuo che forma la colonia non è né in grado di valutare la situazione a livello globale, né di controllare i compiti necessari per il progresso della colonia
• Essa infatti è un sistema decentralizzato, costituito da singoli individui distribuiti nell'ambiente circostante, i quali reagiscono in maniera innata agli stimoli esterni seguendo un piccolo insieme di regole comportamentali
• L'organizzazione della colonia deriva quindi dalla somma dei comportamenti di ogni individuo
• L'organizzazione diventa quindi autorganizzazione e viene caratterizzata da quattro ingredienti base: Feedback positivi, Feedback negativi, Amplificazione dei feedback positivi e Interazioni stigmergiche
• Esistono anche dei comportamenti collettivi, (una specie di codice di natura innata ‐ DNA) che permettono alle formiche di organizzarsi tra loro
La colonia neurale
• Neurons are drawn as dots around the perimeter and synapses are the lines connecting the dots.• Blue neurons receive input only from the labeled senses, not synapses.• Yellow neurons send output only to motors, not synapes.• Black neurons are available for hidden layers in the neural network.• Green synapses are excitatory with a strength proportional to the greeness.• Red synapses are inhibitory with a strength proportional to the redess.
Autorganizzazione
• Feedback positivi: Derivano dell'esecuzione di semplici regole comportamentali aventi un responso ritenuto positivo per il singolo o per la colonia, promuovendo la creazione di strutture (esempio: la creazione di reclutamenti di massa deriva da un insieme continuo di feedback positivi nell'ambito del foraggiamento)
• Feedback negativi: Equilibrano i feedback positivi e portano alla stabilizzazione del sistema stesso (esempio: l'evaporazione dei feromoni èun feedback negativo in quanto le tracce tendono a scomparire e quindi a controbilanciare il processo dei feedback positivi)
• Amplificazione dei feedback positivi: Azioni stocastiche che portano alla formazione di nuove strutture (esempio: una formica che si perde durante il foraggiamento e trova una nuova fonte di cibo favorisce la creazione di strutture durevoli al fine di sfruttare quest'ultima fonte)
• Interazioni stigmergiche: portano alla comparsa di strutture durevoli tramite l'interazioni fra individui (esempio: la costruzione del nido è la somma delle interazioni stigmergiche di tutte le formiche che locostruiscono)
Comportamenti collettivi
• Coordinamento: Il coordinamento è l'organizzazione nello spazio e nel tempo delle attività necessarie per risolvere un qualsiasi problema. Quest'ultimo orchestra la distribuzione spazio‐temporale degli individui e delle loro attività(esempio: nelle formiche il foraggiamento si basa sul processo dicoordinamento, in quanto gli individui stessi, in base alle interazioni avute con l'ambiente circostante e il loro codice comportamentale, costruiscono una rete di scie di feromoni in grado di influenzare il comportamento delle compagne alla ricerca di cibo).
• Cooperazione: Il processo mediante il quale degli individui realizzano assieme un compito (esempio: il reclutamento di gruppo e la costruzione del nido, ilcompito di legare assieme le foglie per la costruzione del nido).
• Deliberazione: Il seguente processo di riferisce ai meccanismi che si verificano quando una colonia si trova di fronte a una serie di possibilità(esempio: alla colonia vengono proposte due fonti di cibo con due vie di foraggiamento differenti).
• Collaborazione: L'insieme delle attività diverse svolte da gruppi specializzati
Plasticità fenotipica
• Le formiche sono probabilmente una tra le forme di vita più numerose nel nostro pianeta: si stima infatti che esistano, per ogni essere umano, circa 2 milioni di formiche
• Analisi di sequenziamento del DNA mostrano come non sussistano delle differenze genetiche tra le varie specializzazioni di operaie. È quindi stato ipotizzato che la plasticità fenotipica degli individui sia il risultato di un processo di regolazione dell’espressione genetica e non una differenza della struttura genetica vera e propria. Il motore di questo differenziamento ha quindi un’origine epigenetica. Ciò significa che determinati fattori ambientali, quali il tipo di nutrimento e le attenzioni ricevute durante lo stadio larvale, influenzano l’accrescimento delle formiche comportando una differente specializzazione dell’individuo adulto
Caratteristiche del sistema
la swarm intelligence può essere definita come: “Proprietà di un sistema in cui il comportamento collettivo di agenti (non sofisticati) che interagiscono localmente con l'ambiente produce l'emergere di pattern funzionali globali nel sistema”.
Dove
•Ogni individuo del sistema dispone di “capacità limitate”
•Ogni individuo del sistema non conosce lo stato globale del sistema
•Ogni individuo possiede lo stesso DNA e si differenzia (specializza) per plasticità fenotipica
•Vi è l’assenza di un ente coordinatore (la regina non coordina l'attività delle altre formiche)
Le reti neurali artificiali
• Le informazioni all'interno di una rete neurale (biologica o artificiale) sono distribuite per tutti i vari nodi della rete e non in un "posto" singolo.
• Non si può più quindi guardare solo ad una parte del sistema e dire che questa unità contiene una determinata informazione o svolge un determinato compito specifico (tranne per casi molto particolari).
• Le reti neurali artificiali sono costituite da un insieme di unità di elaborazione molto semplici (dette, per analogia, "neuroni"), fittamente interconnesse: ciascuna unità integra i segnali in ingresso (provenienti dall'esterno o da altre unità), ne valuta l'entità e in base ad essa emetterào meno un segnale in uscita (diretto all'esterno o ad altre unità).
• Questo tipo di elaborazione distribuita in parallelo ha permesso di risolvere parecchi problemi legati all'approccio simbolico: là dove, in un sistema basato sull'approccio simbolico, un piccolo danno è sufficiente a provocare il blocco dell'intero sistema, i sistemi distribuiti sono notoriamente molto robusti riguardo al danneggiamento (il sistema può sopportare "lesioni" anche molto estese prima di risentirne significativamente nella sua efficienza)
Le reti neurali artificiali – informazioni in ingresso
• l'informazione in ingresso al sistema può essere alquanto "rumorosa", ovvero perturbata da variazioni più o meno casuali; in questo caso il sistema estrae la tendenza centrale o media del segnale, processo che corrisponde ad un filtraggio del rumore (pensate a come noi riusciamo a riconoscere un viso anche sotto condizioni di illuminazione e angolazione assai differenti).
• In un sistema simbolico, al contrario, è molto difficile trattare segnali meno che perfetti (provate a cercare in una base dati, usando una chiave di ricerca leggermente sbagliata). I sistemi distribuiti possono invece apprendere.
• Dando al sistema la possibilità di vedere campioni di ciò che deve imparare, e tramite un algoritmo che modifica la forza delle singole connessioni tra le unità, tali sistemi possono apprendere una varietà di compiti anche molto complessi (dal riconoscimento di immagini, alle previsioni metereologiche, ad associare alle parole un contenutosemantico).
Le reti neurali artificiali – l’esperienza
• Questa capacità di apprendere dall' "esperienza" tramite semplice modulazione della forza delle connessioni tra le unità, oltre ad avvicinare ovviamente questi sistemi a quelli biologici, risulta estremamente importante dal punto di vista teorico perché offre una convincente alternativa all'apprendimento basato sulla costruzione di regole esplicite: non vi è nessun "centro di costruzione di regole" nel sistema; semmai leregole emergono come epifenomeni (ossia in aggiunta), mentre ad un livello più basso vediamo come tutta l'informazione sia immagazzinata nelle connessioni tra le unità.
• i sistemi distribuiti possono generalizzare le loro prestazioni a casi sui quali non sono stati addestrati (una scrittura a mano che non ha mai "visto" prima, purché questa non sia troppo diversa dalle altre);
• i sistemi distribuiti riescono meglio proprio in quei compiti che richiedono la considerazione simultanea di un gran numero di variabili, caratteristica di azioni che noi compiamo in maniera del tutto naturale (guidare, leggere, riconoscere ogni canzone, operare in borsa) e che notoriamente i sistemi basati sull'approccio simbolico si trovano incapaci ad emulare.
Neural‐advisor: Il pool genico
• Il pool genico (o pool genetico) di una specie o di una popolazione èl'insieme di tutti gli alleli dell'intero set di geni che appartengono a tutti gli individui che compongono una popolazione in un determinato momento. È un termine molto utilizzato nella genetica delle popolazioni.
• Dal momento che qualunque gene di un pool genico può esistere innumerose varianti o alleli, a seconda della frequenza o rarità di ciascun allele, si parla di alta o bassa frequenza allelica del pool genico che può modificarsi nel corso del tempo e dare un processo di microevoluzione (evoluzione all'interno delle singole specie).
• I fattori che contribuiscono alla variabilità del pool genico sono: 1. mutazioni,
2. deriva genetica,
3. flusso genico,
4. riproduzione non casuale,
5. selezione naturale.
Neural‐advisor: Il pool genico
• Una volta che, mediante tali mutazioni, si è formata una nuova variante di un gene, questa entra a far parte del pool genico della popolazione perché, mediante la riproduzione, essa può venire trasmessa ad altri individui.
• Per esempio, a causa di una mutazione genetica, è possibile che nasca un individuo con delle caratteristiche fenotipiche che lo favoriscano all'interno del suo ambiente naturale: queste caratteristiche verranno trasmesse geneticamente ai suoi discendenti, determinando una variazione del pool genico.
• Il sistema, utilizzando una rete neurale autoadattiva, analizza ogni possibile scenario di rischio e ogni opportunità di rendimento.
• Per ogni singolo strumento viene calcolato un segnale operativo, un rating, e per mezzo di un motore semantico, una descrizione analitica dell’andamento.
• Il cliente può comporre autonomamente o chiedere al Team di iFintech di comporre i propri portafogli sulla base di rendimenti attesi e limiti predeterminati o sulla massimizzazione del rendimento rispetto al rischio di componenti di asset class selezionate.
• La molteplicità di questi portafogli permette ai clienti di costruire illimitati universi di investimento, delegando al sistema il compito di raggiungere e superare gli obbiettivi attesi.
Neural Advisor
• Il titolo Mediobanca SpA ‐ EUR (6.445 al 22.11.2016) è in trend neutrale dal 18.11.2016 a quota 6.26
• Il minimo degli ultimi 10 giorni di negoziazione è stato segnato 2 sessioni fa e il periodo si è concluso con una variazione negativa del ‐0.4%, il recente andamento è stato direzionale con tendenza moderatamente ribassista
• La volatilità recente è inferiore alla volatilità storica ed è in calo rispetto a 10 giorni fa
• Il livello di cambiamento di trend al rialzo si colloca a 6.72, ma il modello decisionale non produrrà segnali di acquisto nel range da 5.54, sino al superamento di 7.49
• Analisi tecnica: Ci sono 3 livelli di supporto che possono frenare il trend al ribasso in corso, posti a 5.72, 5.42 e 4.44.
• Conviene osservare il superamento della prima resistenza a 6.59 posta al di sotto del livello di inversione a 6.72 nel caso in cui si volesse anticipare il segnale rialzista, ma è comunque necessario attendere il superamento di 7.49 corrispondente al livello superiore del range di esclusione per ottenere il segnale. Le resistenze successive si trovano a 7.03 e 7.42
Il motore semantico di Neural Advisor
Il motore semantico di Neural Advisor
• Il titolo Tenaris SA ‐ EUR (14.31 al 22.11.2016) è in trend positivo dal 14.11.2016 a quota 14.33 con una perdita del ‐0.94%
• Gli ultimi 10 giorni di negoziazione sono iniziati segnando il minimo di periodo e dopo il massimo realizzato con la penultima sessione, sono terminati con una variazione positiva del +11.89%, il recente andamento èstato significativamente rialzista
• La volatilità recente è in linea con la volatilità storica ed è in calo rispetto a 10 giorni fa
• Il livello di cambiamento di trend al ribasso si colloca a 12.69• Analisi tecnica: Non ci sono resistenze che frenano il trend al rialzo in
corso e il primo supporto a 11.85 è al di sotto del livello di inversione posto a 12.69. I supporti successivi si trovano a 11.19 e 10.56