Intelligenza Artificiale
Grafico Segnale Kalman

l prototipi delle reti neurali artificiali sono quelle biologiche.

Le reti neurali del cervello umano sono la sede della nostra capacità di comprendere l’ambiente e i suoi mutamenti, e di fornire quindi risposte adattive calibrate sulle esigenze che si presentano.

Sono costituite da insiemi di cellule nervose fittamente interconnesse fra loro.

Un singolo neurone può ricevere simultaneamente segnali da diverse sinapsi. Una sua capacità intrinseca è quella di misurare il potenziale elettrico di tali segnali in modo globale, stabilendo quindi se è stata raggiunta la soglia di attivazione per generare a sua volta un impulso nervoso. Tale proprietà è implementata anche nelle reti artificiali.

Il progetto ha lo scopo di implementare algoritmi basati su modelli di intelligenza artificiale e machine learning per la predizione degli andamenti di mercati finanziari e di cryptovalute su cui fare speculazione.

Con la scelta accurata di dati iniziali, di indicatori economici e sociali ed il loro processamento, è possibile allenare i modelli per stimare parametri ottimali per la successiva predizione. In base all'output finale, in maniera del tutto automatica, un algoritmo collegato ad un portafoglio crea dei segnali di compravendita per la conversione in moneta o in altre azioni: questo strumento è adatto sia per chi si occupa del puro trading (supportato ulteriormente da grafici generati in tempo reale) sia per chi ha interesse nel prevenire bruschi crolli che vanificano l'investimento.

Basandoci sul concetto di Bagging, gli algoritmi creati non sono costruiti sui singoli modelli, ma su delle loro particolari combinazioni al fine di migliorare le prestazioni generali del software e renderlo più robusto e immune ad eventuali errori. Ciò aumenta il tempo speso nella fase di training ma, grazie alla potenza computazionale del nostro parco macchine, siamo in grado di allenare in tempi brevissimi le combinazioni create.

In più, la versatilità dei modelli scelti ci consente di settare arbitrariamente il tempo di campionamento e in maniera analoga l'orizzonte di predizione. Questa scelta ci permette di stabilire un collegamento tra algoritmi che lavorano su diversi istanti temporali, creando dei prior specifici utili per la predizione a lungo termine, personalizzando così le diverse possibilità di impiego.

I modelli utilizzati in questi algoritmi sono:

·       Neural Networks

·       Random Forest

·       Kalman Filter

Nota: Questa sezione è in aggiornamento, presto saranno disponibili dettagli sulle nuove tipologie di algoritmo adottato, come "long term short memory", "Backword Random Forest", ed altri. Nel frattempo se sei interessato, non esitare a contattarci.