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

Feedback positivo: Scelta del percorso più breve

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. 

Neural‐advisor: Campionamento e curve fitting

Neural‐advisor: L’implementazione

• 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

www.ifintech.eu

#SIAT2.0

Ringraziamenti

@SIAT_Italia SIAT Associazione

Corso Magenta 56 - 20123 MILANOinfo@siat.org +39 02 72094033

SIAT – Società Italiana Analisi TecnicaSIAT – Società Italiana Analisi Tecnica