Reti Neurali

La ricerca sulle reti neurali costituisce un filone di notevole interesse sia dal punto di vista teorico che da quello applicativo. Le reti neurali sono in grado di apprendere, emulando in modo semplificato comportamenti propri del cervello umano, quali l'analisi qualitativa di dati provenienti dall'esterno.

Il modello più diffuso di rete consiste di un insieme di unità elementari, dette neuroni, connesse tra loro da collegamenti a cui è associato un valore, detto peso. L'apprendimento di una rete avviene modificando opportunamente i valori dei pesi in modo da rendere minimo l'errore commesso in relazione ad un insieme prefissato di esempi.

Una delle più promettenti aree di sviluppo e ricerca nella scienza che studia le reti neurali, è quella relativa alle applicazioni finanziarie, in particolar modo alla costruzione di sistemi di previsione sull'andamento futuro di strumenti finanziari quali futures su tassi di interesse, indici di borsa e valute.

Gli aspetti interessanti di questi sistemi sono molteplici:

• non occorre definire delle regole che a priori definiscano la relazione e l'interazione tra i vari input e la previsione che si vuole realizzare;
• il sistema "scopre" gli input e le connessioni che meglio si adattano alle previsioni passate, usate per l'apprendimento. Unica condizione è pertanto quella di presentare al sistema una serie di input che sono fortemente correlati (in modo non lineare) ed interagiscono con l'andamento successivo dello strumento finanziario.