La metodologia delle reti neurali per l'analisi delle variabili finanziarie

Le Reti Neurali Artificiali sono una tecnologia impiegata nell’elaborazione di informazioni, la cui ricerca, nota come corrente del Connessionismo, risale già agli anni ‘40.
Il concetto che sta alla base di questi sistemi è che essi sono in grado di apprendere ed automigliorarsi, sfruttando le informazioni accumulate in precedenza. E’ per questo motivo che si riscontra una forte analogia con il sistema di apprendimento dell’essere umano: entrambi apprendono dall’esperienza. Come l’uomo, impara a parlare, a memorizzare e riconoscere oggetti diversi tra di loro, così le Reti Neurali riescono a riconoscere e distinguere le peculiarità fondamentali che caratterizzano un insieme di dati.
Nella loro configurazione originaria, le Reti Neurali sono sistemi computazionali paralleli, composti da unità elementari di processo, chiamate neuroni, le quali sono tra loro legate da un sistema più o meno complesso di connessioni funzionali che rappresentano le “vie” di trasmissione dei segnali tra le varie unità. Ciascun neurone produce un valore di uscita, detto stato di attivazione, che è funzione non lineare della somma ponderata dei segnali che riceve in entrata dai neuroni ad esso adiacenti.
Impiegate inizialmente nel campo delle scienze cognitive ed ingegneristiche, attualmente le Reti Neurali hanno suscitato un interesse crescente anche negli ambienti statistici, economici e finanziari, poiché rappresentano uno strumento molto flessibile e potente per l’analisi di dati.
In questo contesto, tale strumento viene impiegato per la costruzione di modelli capaci di individuare le leggi generatrici dei fenomeni economici sulla base del campione di dati disponibili e di definire previsioni sufficientemente corrette sfruttando, in un certo qual modo, l’informazione tratta dall’esperienza passata e insita dagli stessi dati storici.
Per la loro particolare capacità di analizzare i dati, le Reti Neurali possono essere considerate uno strumento complementare rispetto ai metodi statistici tradizionali. Sebbene esse nascano in un contesto che si trova al di fuori di quello dell’applicazione statistica, l’intersezione tra analisi statistica e reti, almeno a livello potenziale, riguarda molti aspetti.
Spesso definite come “scatole nere”, le Reti Neurali riscontrano grande interesse nell’analisi esplorativa di dati che non possono essere specificati prima della costruzione del modello che meglio ne simula il comportamento.
Esse, infatti, sono collocabili tra le tecniche di inferenza induttiva (come ad esempio la regressione non parametrica o l’analisi discriminante) e all’interno della classe di modelli Data-Driven, ove non si richiedono assunzioni a priori sulla forma o sulla distribuzione dei dati osservati, o non vi è possibilità di individuare l’esistenza di pattern caratteristici al loro interno. In queste circostanze, il sistema trova in modo autonomo le correlazioni esistenti tra le variabili oggetto di analisi, ricavandole unicamente dalle informazioni fornitegli dal comportamento dei dati disponibili.