Cad It e Microsoft hanno siglato un accordo di partnership volta a fornire agli istituti bancari strumenti avanzati di Business Intelligence basati su tecnologia Microsoft.Net. Le soluzioni sviluppate sono in grado di garantire significativi vantaggi in termini di gestione e sicurezza dei dati, oltre ad una notevole riduzione dei costi collegati agli investimenti It. In base agli standard definiti dalla recente normativa Basilea II, che delinea le linee guida per la gestione dei rischi operativi, di credito e di mercato alle quali gli istituti bancari dovranno uniformarsi entro il giugno 2004, l’accordo prevede lo sviluppo di soluzioni software basate sulla piattaforma Microsoft.Net, garantendo alle banche una piu’ semplice condivisione e integrazione dei dati.

Nell’attuale era tecnologica l’adozione di tecniche di Business intelligence e quindi, anche di intelligenza artificiale coinvolge quasi tutte le fasi del processo produttivo della finanza.
In particolare spesso si fa ricorso a sistemi esperti nell’attivita’ di trading, nella previsione finanziaria e nel processo di asset allocation. Anche la determinazione del pricing degli strumenti derivati e lo studio della previsione della volatilita’ dei titoli beneficia delle potenzialita’ dei supporti automatici.
I sistemi esperti nascono dalla convergenza tra formalizzazione logica e modellizzazione, da un lato, ed elaborazione informatica dei dati, dall’altro.
Essi sono realizzati, il piu’ delle volte, sotto forma di colloquio tra utente e computer secondo le tecniche classiche dell’istruzione programmata, che i computers piu’ recenti rendono sempre piu’ ricca di possibilita’.
I sistemi esperti, in quanto programmi elettronici in cui e’ contenuto il contributo di uno o piu’ esperti di una specifica materia (dominio), devono essere in grado di applicare la conoscenza trasmessagli, fornendo all’utente tutto l’aiuto necessario.
L’analisi del processo di costruzione di tali sistemi va rapportata, quindi, da un lato, alla molteplicita’ e complessita’ delle caratteristiche fondamentali che essi devono possedere e, dall’altro alla varieta’ degli strumenti cui e’ possibile ricorrere.
Quanto alle prime occorre tener presente che il sistema esperto possiede un tipo di conoscenza basato sulla rappresentazione e manipolazione simbolica non solo delle regole e dei principi fondamentali del dominio d’interesse, ma anche dei fatti del mondo esterno (per cui il problema descritto dall’utente deve essere riformulato e convertito in una rappresentazione interna adatta all’elaborazione). Da questa struttura il sistema deriva sia la capacita’ di svolgere ragionamenti validi ed efficaci, sia l’abilita’ a fornire spiegazioni e/o giustificazioni dei ragionamenti effettuati.

La rapida evoluzione delle tecnologie informatiche, i continui progressi ottenuti nella realizzazione di software di alto livello, facilmente accessibile anche da parte di utenti non specializzati, e, in generale, il clima di grande interesse ed alta competitivita’ che si e’ creato in questi ultimi anni intorno alle potenzialita’ e agli sviluppi della ricerca nel campo dell’Intelligenza Artificiale hanno reso di recente disponibile una notevole quantita’ di strumenti di supporto alla realizzazione di sistemi esperti, che spaziano dai linguaggi di programmazione generali a prodotti applicativi finiti.
Accanto ai linguaggi di programmazione convenzionali (Fortran, Pascal e C) e ai linguaggi piu’ specifici propri dell’intelligenza artificiale (LISP e PROLOG), sono stati sviluppati linguaggi orientati all’oggetto, che per la loro generalita’ offrono una notevole flessibilita’ d’applicazione.

In questa varieta’ di strumenti, a livelli progressivamente sempre piu’ specifici si collocano determinate categorie di programmi denominate toolkits (“ambienti di sviluppo”) e shells (“gusci”).
Tali programmi sono dedicati esclusivamente alla presentazione ed esplicazione di altri programmi di Intelligenza Artificiale piu’ complessi.
I toolkits mettono a disposizione metodi di rappresentazione della conoscenza, meccanismi inferenziali, interfacce con l’utente e supporti tecnici di sviluppo, tutti opportunamente integrati tra loro in ordine alla risoluzione di tipologie piu’ o meno definite di problemi.
Gli shells, rispetto ai toolkits presentano una struttura piu’ rigida, ma riescono di piu’ semplice impiego, consentendo anche al non esperto di familiarizzare con le tecniche di costruzione dei sistemi esperti e con le principali problematiche connesse.
Ma le tecniche di intelligenza artificiale non si esauriscono nella creazione ed adozione di sistemi esperti. Difatti, in campo bancario, ultimamente sta assumendo notevole rilevanza il ricorso al data warehouse e piu’ in particolare ai processi di data mining. Il primo e’ fondamentale per la raccolta strutturata di dati e la loro corretta utilizzazione per un adeguato supporto al processo decisionale aziendale; il secondo e’ importante per il miglioramento dell’ambito conoscitivo, attraverso l’estrazione dai dati di modelli e regole di comportamento. In presenza di un rapido aumento dei dati desumibili dai sistemi informativi aziendali, le tecniche di data mining si qualificano sempre piu’ come strumenti insostituibili per le banche e gli intermediari finanziari.
Con l’avvento della rete la tecnologia dell’informazione si trova a fronteggiare problemi diversi; il punto cruciale non e’ piu’ la raccolta ed organizzazione delle fonti, quanto l’accesso mirato a quelle rilevanti; spesso l’informazione a disposizione e’ troppa, confusa, non attendibile, disordinata, non strutturata.

In tale contesto il contributo dell’intelligenza artificiale si colloca nella cd. estrazione di conoscenza che e’ una tecnica che consente di filtrare, navigando nella rete, solo le informazioni pertinenti ad un dato settore di interesse (ad esempio solo le informazioni finanziarie); gli strumenti si basano su due tipici paradigmi di I.A.: i nuclei concettuali (conceptual cluster) ed i parser del linguaggio naturale.
Con i primi vengono descritti gli elementi della materia di interesse mediante tutte le possibili espressioni e forme linguistiche ( ad es. societa’, capitali, azioni, stock, interesse, ratei, profitto, ecc.), segnalando anche quali caratteristiche ci si aspetta dai dati che si cercano, ad esempio, in notizie di carattere finanziario ricorreranno i nomi di societa’ quotate in borsa, di organismi finanziari, di quote azionarie, ecc. Con il secondo strumento si filtrano (parsing) le stringhe di parole in modo da rintracciare all’interno le ‘parole civetta’.
Una tecnica piu’ raffinata di I.A. da applicare sempre in tale settore e’ il data mining. Letteralmente mining e’ l’attivita’ del minatore, cioe’ lo scavo, l’estrazione di materiali preziosi da materiali di scarto: nel data minig il materiale prezioso da rintracciare e’ la conoscenza, cioe’ informazioni nuove e originali su determinati fenomeni, estratte da grandi quantita’ di dati.
La conoscenza scoperta con il data mining e’ qualcosa di piu’ del risultato di analisi statistiche, in quanto dovrebbe evidenziare non solo la frequenza di certi fenomeni, ma i modi in cui vengono a concatenarsi  circostanze o fattori (association rules). Data una grande quantita’ di dati, si tratta di individuare combinazioni di dati o attribuzioni di valori che si ripetono con continuita’, per stabilire dipendenze o connessioni (ad es., dai dati sulle vendite di un prodotto e’ possibile individuare le classi di consumatori ecc.).

Scritto da

MILANO. Cad It e Microsoft hanno siglato un accordo di partnership volta afornire agli istituti bancari strumenti avanzati di Business Intelligencebasati su tecnologia Microsoft.Net. Le soluzioni sviluppate sono in grado digarantire significativi vantaggi in termini di gestione e sicurezza deidati, oltre ad una notevole riduzione dei costi collegati agli investimentiIt. In base agli standard definiti dalla recente normativa Basilea II, chedelinea le linee guida per la gestione dei rischi operativi, di credito e dimercato alle quali gli istituti bancari dovranno uniformarsi entro il giugno2004, l’accordo prevede lo sviluppo di soluzioni software basate sullapiattaforma Microsoft.Net, garantendo alle banche una piu’ semplicecondivisione e integrazione dei dati.Nell’attuale era tecnologica l’adozione di tecniche di Business intelligencee quindi, anche di intelligenza artificiale coinvolge quasi tutte le fasidel processo produttivo della finanza.In particolare spesso si fa ricorso a sistemi esperti nell’attivita’ ditrading, nella previsione finanziaria e nel processo di asset allocation.Anche la determinazione del pricing degli strumenti derivati e lo studiodella previsione della volatilita’ dei titoli beneficia delle potenzialita’dei supporti automatici.I sistemi esperti nascono dalla convergenza tra formalizzazione logica emodellizzazione, da un lato, ed elaborazione informatica dei dati, dall’altro.Essi sono realizzati, il piu’ delle volte, sotto forma di colloquio trautente e computer secondo le tecniche classiche dell’istruzione programmata,che i computers piu’ recenti rendono sempre piu’ ricca di possibilita’.I sistemi esperti, in quanto programmi elettronici in cui e’ contenuto ilcontributo di uno o piu’ esperti di una specifica materia (dominio), devonoessere in grado di applicare la conoscenza trasmessagli, fornendo all’utentetutto l’aiuto necessario.L’analisi del processo di costruzione di tali sistemi va rapportata, quindi,da un lato, alla molteplicita’ e complessita’ delle caratteristichefondamentali che essi devono possedere e, dall’altro alla varieta’ deglistrumenti cui e’ possibile ricorrere.Quanto alle prime occorre tener presente che il sistema esperto possiede untipo di conoscenza basato sulla rappresentazione e manipolazione simbolicanon solo delle regole e dei principi fondamentali del dominio d’interesse,ma anche dei fatti del mondo esterno (per cui il problema descritto dall’utente deve essere riformulato e convertito in una rappresentazione internaadatta all’elaborazione). Da questa struttura il sistema deriva sia lacapacita’ di svolgere ragionamenti validi ed efficaci, sia l’abilita’ afornire spiegazioni e/o giustificazioni dei ragionamenti effettuati.La rapida evoluzione delle tecnologie informatiche, i continui progressiottenuti nella realizzazione di software di alto livello, facilmenteaccessibile anche da parte di utenti non specializzati, e, in generale, ilclima di grande interesse ed alta competitivita’ che si e’ creato in questiultimi anni intorno alle potenzialita’ e agli sviluppi della ricerca nelcampo dell’Intelligenza Artificiale hanno reso di recente disponibile unanotevole quantita’ di strumenti di supporto alla realizzazione di sistemiesperti, che spaziano dai linguaggi di programmazione generali a prodottiapplicativi finiti.]]>

Scritto da