Abstract:
La capacità di prevedere le dinamiche degli strumenti finanziari ha rappresentato, e rappresenta tuttora, una delle principali sfide nella comunità dell’intelligenza artificiale (IA).
Per molto tempo, a fine predittivo, sono stati utilizzati modelli lineari in grado di elaborare e risolvere problemi che richiedevano la semplice ripetizione di una serie di operazioni, ma, in un contesto quale il mercato finanziario, caratterizzato da un’ampia mole di informazioni eterogenee e influenzato da molti fattori, si è presentata la necessità di utilizzare delle tecniche di apprendimento automatico in grado di modellizzare anche problemi non lineari. Lo studio inizia presentando la nascita e l’evoluzione dell’IA: dal filosofo Aristotele al più recente successo, ovvero l’algoritmo Deep Mind. Una volta presentati l’apprendimento per rinforzo, non supervisionato e supervisionato, l’elaborato si concentra sull’utilizzo delle reti neurali artificiali (RNA) in ambito finanziario. Presentata una panoramica delle loro generalità, e analizzata la letteratura degli ultimi due decenni, l’oggetto dello studio è divenuto l’utilizzo delle RNA per la previsione dell’indice azionario FTSE MIB italiano sulla base dei dati storici dell’ultimo decennio comprendenti il prezzo di chiusura, di apertura, il prezzo massimo e minimo giornalieri, i volumi negoziati e la relativa variazione percentuale. L’implementazione della RNA scelta, nonché la previsione dell’indice stesso, sono avvenute con l’utilizzo di R, un linguaggio di programmazione per l’elaborazione statistica. Una volta presentati i risultati ottenuti, vengono evidenziati gli ambiti nei quali attualmente viene utilizzata l’IA e quali impatti ha avuto, e può avere in futuro.
