Con la piattaforma A3I si sono implementate delle tecniche di trading algoritmico focalizzando l’attenzione in particolare nel colmare il gap esistente tra le soluzioni analitiche dei modelli accademici e l’applicazione di strategie di investimento nello scenario reale.
In particolare per il trading basato su arbitraggio statistico, portafogli long-short, o comunque mean-reverting, si sono sviluppati metodi numerici in grado di tener conto in modo ottimale
- dei costi di transazione,
- della non infinità divisibilità delle quantità scambiabili sul mercato, che invece deve essere pari a un numero intero di lotti;
- del ritardo temporale insito tra l’acquisizione dei dati in tempo reale e l’esecuzione operativa sulle posizioni relative al portafoglio scelto.
I metodi numerici utilizzati includono soprattutto tecniche di machine learning quali l’addestramento attraverso Reinforcement Learning (apprendimento per rinforzo) di reti neurali basate su architetture ricorrenti. I parametri di questa architettura codificano la strategia di investimento di un agente artificiale basata sullo storico temporale dei titoli costituenti il portafoglio.
La strategia ottimale viene appresa attraverso la simulazione operativa dell’agente e conseguente aggiornamento dei suoi parametri in un sistema di feedback positivi e negativi.
Infine, esclusivamente come metodo di cross-validazione, è possibile effettuare il Backtesting degli algoritmi attraverso la simulazione dell’operatività su una porzione dello storico reale del portafoglio e visualizzare così le quantità rilevanti quali la distribuzione dei profitti.
No responses yet