La previsione nell'asset allocation: valutazione di un modello di reti neurali.

Per molti anni l'intelligenza artificiale è stata un'interessante area di studio ma solo nel 1977 ha cominciato ad acquisire un certa rilevanza in ambito economico ed industriale producendo negli ultimi anni risultati che il mondo bancario, per esempio, può ritenere di un certo interesse. I sistemi esperti sono sistemi basati sull'uso di un computer che mediante l'accesso e l'elaborazione a basi di dati è in grado di fornire dei pareri simili a quelli di uno specialista: la base di dati è costituita, oltre che dai dati medesimi, dalle regole che vincolano l'uso di essi. La loro particolare architettura presenta, però, molti limiti: si richiede la presenza di un esperto umano (ingegnere della conoscenza) che ne codifichi le regole di funzionamento, diverse da quelle della normale programmazione, e che trasmetta, al sistema, le conoscenze relative a un determinato argomento definito dominio. Neppure l'espressione “sistema esperto” risulta appropriata poiché lo stesso si limita a estrarre deterministicamente delle conclusioni da alcune premesse sulla base delle conoscenze trasmessegli e delle regole di funzionamento insegnategli non potendo in alcun modo disporre della capacità dell'uomo di utilizzare, per le sue decisioni, una serie di conoscenze empiriche non codificate e non formali che normalmente si aggiungono a quelle strutturate.
Tutte queste considerazioni, unite all'avvento delle reti neurali, dei sistemi fuzzy e degli algoritmi genetici, strumenti sicuramente più versatili, hanno portato all'accantonamento temporaneo dei sistemi esperti. Tuttavia, si assiste, da qualche tempo, ad una rinascita di interesse dovuta all'implementazione di nuove modalità di utilizzo.
Il sistema esperto è un programma strutturato su tre livelli: una base di conoscenza, un motore inferenziale, un'interfaccia grafica. La prima costituisce l'insieme delle informazioni che dovrebbe mettere il programma in grado di competere con l'esperto umano su un determinato dominio, il secondo è costituito da un insieme di regole del tipo se...allora... che, date certe premesse, permettono di arrivare a una conclusione: queste regole, per quanto simili nella struttura a quelle dei sistemi fuzzy, sono del tutto diverse nelle finalità, essendo il loro scopo non è quello di quantificare il grado di validità di una decisione ma quello di arrivare, tra molte opzioni possibili, a una conclusione univoca. Rispetto ai programmi tradizionali, i sistemi esperti fondano la loro struttura su un insieme di dati e non su un procedura algoritmica predefinita. Sono in grado, in altri termini, di scegliere la migliore delle alternative tra tutte quelle disponibili elaborando opportunamente, col motore inferenziale, la base di conoscenza.
Se si forniscono al computer alcuni numeri costituenti la base di conoscenza, la regola-motore inferenziale in base alla quale si definiscono dispari quelli che divisi per due presentano un resto e si richiede l'estrazione degli stessi dalla base di conoscenza si ottiene un sistema “intelligente”, un mini-sistema esperto. Le potenzialità di fondo dei sistemi esperti possono essere consistenti se si opera con una base di conoscenza ben costruita e con un motore inferenziale strutturato su un sistema complesso di regole ma l'impossibilità di codificare meccanicamente una molteplicità di informazioni in possesso dell'uomo ne ha costituito, finora il principale punto di debolezza.