close
Trading

Trading System: analisi quantitative e reti neurali

Trading System: analisi quantitative e reti neurali
Trading System: analisi quantitative e reti neurali

Sviluppare un trading system che possa analizzare i dati, individuare occasioni di profitto e operare autonomamente sui mercati finanziari è uno dei principali obiettivi di molti traders. Realizzare un trading system profittevole è impresa ardua, servono molte competenze ed anni di esperienza, ma grazie alla tecnologia attuale e all’enorme mole di dati disponibili, tale traguardo, con sacrificio e dedizione, può essere raggiunto.

Uno dei vantaggi indiscussi di un sistema automatizzato di trades è quello di eliminare la componente emotiva dell’operatore, che troppo spesso crea delle deviazioni rispetto alla strategia preventivata rendendo la transazione non ottimale. Chiaramente non esiste una “formula magica” valida per sempre, ogni modello deve essere adattato alle diverse fasi di mercato, continuamente perfezionato e reso più efficiente. Lo sviluppo di un trading system può essere suddiviso in due grandi categorie:

  1. analisi quantitativa;
  2. reti neurali e machine learning

Trading System e analisi quantitativa

Serie storiche dei prezzi, volumi, medie e oscillatori sono alla base di ogni analisi quantitativa per sviluppare un buon trading system, un vero e proprio modello matematico che andrà ad alimentare un software per automatizzare i trades.

L’analisi quantitativa  studia i movimenti dei mercati finanziari basandosi su modelli matematici e statistici avanzati.

Una volta individuato un modello che sembra essere soddisfacente si dovrà procedere con la fase di backtest, ovvero applicare le regole stabilite sui dati di borsa del passato per verificarne l’efficienza. La fase successiva è quella di “ottimizzazione”, cioè valutare come poter rendere il modello più performante per ottenere un maggior profitto.

Uno dei modi per valutare la bontà di un trading system è quello di analizzare l’equity line ossia la curva che rappresenta i profitti nel tempo in un grafico. La caratteristica più importante di un buon trading system è quella di avere un’equity line che sia quanto più possibile costante nella sua crescita e che non mostri picchi negativi rilevanti. Un crollo nel grafico dell’equity line è chiamato drawdown. Più drawdown sono presenti nel grafico, peggiore sarà la bontà del trading system. Trattandosi infatti di una visualizzazione dei profitti incrementale, più profondo è drawdown e più il trader sarà in difficoltà, vedendosi erodere la quota di profitto che aveva accumulato.

 

Trading System: reti neurali e machine learning

Possiamo applicare ora un secondo layer al trading system, una RNA. Una rete neurale artificiale (Artificial Neural Network) è un sistema che simula l’apprendimento umano, ovvero che cerca di comportarsi come il cervello. Proprio come la mente, una rete neurale è formata da connessioni di diversi input che hanno l’obiettivo di generare un output. Nella maggior parte dei casi si tratta di un sistema adattivo non lineare che modifica la propria struttura in base a informazioni esterne o interne che si muovono attraverso la rete stessa durante la fase di apprendimento.

Una rete neurale è composta da tre strati:

  1. input;
  2. hidden;
  3. output.

L’architettura della rete neurale può essere di due tipologie, quella feed forword (dallo strato di input a quello di output) e quella che consente anche delle retro-connessioni. Per rendere queste righe più concrete, possiamo utilizzare, in via semplicistica il seguente esempio.

Ipotizziamo di avere a disposizione un database con dei dati di prezzo, medie, oscillatori, volumi e il rendimento giornaliero del titolo. Dividiamo il database in due aree, una di training e una di validazione.

Il sistema, attraverso i dati presenti nel database dovrà in primis apprendere come si è comportato il titolo a fronte dei dati disponibili. In secondo luogo, dovrà validare ciò che ha appreso, ovvero ricevendo dei nuovi input, dovrà fornirci un output come “compra” o “vendi“. In questo modo la rete avrà iniziato a sfruttare ciò che ha imparato mediante un processo di generalizzazione. Il processo di validazione dovrà continuare fin quando non si raggiungerà un tasso di errore soddisfacente (basso) e anch’esso sarà incluso nella rete. Il risultato sarà un modello previsionale con un’accuracy “conosciuta”.

Il fenomeno del Social Trading

Sviluppare un trading system è un obiettivo ambizioso per traders con una certa esperienza. Per chi è alle prime armi, quello del social trading può essere una soluzione più semplice. E’ il fenomeno del momento, poter diventare follower di un trader esperto e con una equity line di tutto rispetto e copiare automaticamente la sua operatività. Sempre più broker offrono questa funzionalità di copy-trades e viste le numerose adesioni, gli utenti sembrano apprezzare il servizio. Qualcuno studia e crea trading system con reti neurali, altri si limitano a copiare.

Tags : AIanalisi fondamentaleanalisi tecnicaDeFiinnovazioneinvestimenti