11.3 L'ottimizzazione

Una volta creata la struttura fondamentale del sistema automatizzato, l'analista deve procedere alla scelta dei valori dei parametri in esso contenuti, in modo da massimizzarne le prestazioni potenziali.

A tal fine sarebbe necessario studiare giorno per giorno, per un considerevole periodo di tempo, il comportamento dell'indicatore nelle diverse configurazioni possibili dei parametri; tale operazione comporterebbe peraltro un notevole dispendio di tempo.

Tuttavia l'esperienza storica può costituire una valida base di dati per l'ottimizzazione dei diversi indicatori, a patto che si osservino alcune regole fondamentali che vedremo in seguito.
Così la scelta dei parametri ottimali si può compiere simulando ripetutamente l'utilizzo dell'indicatore relativamente ad un opportuno periodo di tempo passato, nelle diverse combinazioni possibili di parametri, e stabilendo quale tra le configurazioni esaminate ha prodotto il risultato più soddisfacente.

Una simile operazione richiede una mole di calcoli assolutamente proibitiva per chi voglia svolgerla manualmente; questo è il motivo per cui le tecniche di ottimizzazione dei sistemi operativi hanno cominciato a diffondersi solamente nell'ultimo decennio, in corrispondenza della drastica riduzione del rapporto prezzo-prestazioni degli elaboratori elettronici, nonchè della disponibilità di potenti programmi che consentono di svolgere in maniera pressochè automatica le simulazioni necessarie.

E' il caso di sottolineare che, nell'effettuazione del processo di ottimizzazione, la macchina svolge un ruolo prettamente passivo (come efficacie strumento di calcolo), mentre l'operatore resta l'unico investito del ruolo di decisore, per quanto riguarda la scelta dei criteri di valutazione e l'esame critico dei risultati.

Le tecniche di ottimizzazione dei sistemi automatizzati sopra esposte si possono definire tradizionali; recentemente però, anche nell'ambito dell'analisi tecnica ed in particolare dei trading system, sono cominciati a comparire strumenti matematici piuttosto sofisticati come le reti neurali1 ed i cosiddetti frattali. L'obiettivo in questo caso è l'impostazione di un sistema automatizzato che riesca ad imparare come si forma la serie storica di prezzi, utilizzando nel caso delle reti neurali sistemi di apprendimento tipicamente non lineari e adattivi e nel caso dei frattali una matematica non convenzionale. In poche parole un trading system progettato con questa logica non viene ottimizzato in base alle consuete regole sopra esposte, ma attraverso l'elaborazione di un sistema che sia in grado di replicare la serie storica in esame.

Sebbene non sia possibile in questa sede approfondire ulteriormente la logica di questi strumenti matematici sofisticati, è comunque importante cercare di fornirne una valutazione di opportunità.

In primo luogo non necessariamente queste tecniche di apprendimento costituiscono una novità rispetto all'approccio dell'analisi tecnica, in quanto alcune formule utilizzate in frattali e reti neurali sono simili ad altre già conosciute ed utilizzate in ambito tecnico o statistico; certamente il metodo interpretativo è diverso, ma questo non implica per forza un netto miglioramento.

Non va di certo tralasciato inoltre l'enorme mole di lavoro, sia in termini di ore macchina che in termini di lavoro uomo, che è richiesta per l'impostazione e la messa a punto soprattutto di un sistema neurale. I risultati possono poi essere ottenuti solo con una precisa impostazione, che richiede notevole specializzazione nel settore; è evidente quindi che l'elaborazione di questi sistemi sia quasi esclusivamente a disposizione degli operatori che vantino una struttura di grandi dimensioni.

Un ultimo importante aspetto che non depone sicuramente a favore delle reti neurali è la sistematica sovra-ottimizzazione del trading system: questa caratteristica, che inficia l'affidabilità futura del risultato, è peraltro un problema che può presentarsi, come si vedrà diffusamente nei prossimi paragrafi, anche nell'impostazione tradizionale dei sistemi automatizzati.