Logica fuzzy
Cos’è la logica fuzzy?
Fuzzy Logic è un approccio all’elaborazione delle variabili che consente l’elaborazione di più valori attraverso la stessa variabile. La logica fuzzy tenta di risolvere i problemi con uno spettro di dati aperto e impreciso che consente di ottenere una serie di conclusioni accurate. La logica fuzzy è progettata per risolvere i problemi considerando tutte le informazioni disponibili e prendendo la migliore decisione possibile in base all’input.
Punti chiave
- La logica fuzzy consente un’elaborazione dell’albero decisionale più avanzata e una migliore integrazione con la programmazione basata su regole.
- Teoricamente, questo dà all’approccio maggiori opportunità di imitare le circostanze della vita reale.
- La logica fuzzy può essere utilizzata dagli analisti quantitativi per migliorare l’esecuzione dei loro algoritmi.
Comprensione della logica fuzzy
La logica fuzzy deriva dallo studio matematico di concetti fuzzy che coinvolge anche set di dati fuzzy. I matematici possono usare una varietà di termini quando si riferiscono a concetti fuzzy e analisi fuzzy. In generale e in modo completo, questi termini sono classificati come semantica fuzzy.
In pratica, tutti questi costrutti consentono più valori della condizione “vera”. Invece di True numericamente equivalente a 1 e False equivalente a 0 (o viceversa), la condizione True potrebbe essere un numero qualsiasi di valori inferiore a uno e maggiore di zero. Ciò crea l’opportunità per gli algoritmi di prendere decisioni sulla base di intervalli di dati sui prezzi anziché su un punto dati discreto.
Considerazioni sulla logica fuzzy
La logica fuzzy nel suo senso più elementare viene sviluppata attraverso l’ analisi del tipo di albero decisionale. Pertanto, su una scala più ampia, costituisce la base per sistemi di intelligenza artificiale programmati attraverso inferenze basate su regole.
In generale, il termine fuzzy si riferisce al vasto numero di scenari che possono essere sviluppati in un sistema ad albero decisionale. Lo sviluppo di protocolli di logica fuzzy può richiedere l’integrazione di una programmazione basata su regole. Queste regole di programmazione possono essere definite insiemi fuzzy poiché sono sviluppate a discrezione di modelli completi.
I set fuzzy possono anche essere più complessi. In analogie di programmazione più complesse, i programmatori possono avere la capacità di ampliare le regole utilizzate per determinare l’inclusione e l’esclusione di variabili. Ciò può comportare una gamma più ampia di opzioni con un ragionamento basato su regole meno preciso.
Semantica fuzzy nell’intelligenza artificiale
Il concetto di logica fuzzy e semantica fuzzy è una componente centrale della programmazione di soluzioni di intelligenza artificiale. Le soluzioni e gli strumenti di intelligenza artificiale continuano ad espandersi nell’economia in una vasta gamma di settori man mano che si espandono anche le capacità di programmazione della logica fuzzy.
Watson di IBM è uno dei più noti sistemi di intelligenza artificiale che utilizza variazioni di logica fuzzy e semantica fuzzy. In particolare nei servizi finanziari, la logica fuzzy viene utilizzata nell’apprendimento automatico e nei sistemi tecnologici che supportano gli output di intelligence sugli investimenti.
In alcuni modelli di trading avanzati, l’integrazione della matematica della logica fuzzy può essere utilizzata anche per aiutare gli analisti a creare segnali di acquisto e vendita automatizzati. Questi sistemi aiutano gli investitori a reagire a un’ampia gamma di variabili di mercato in evoluzione che influenzano i loro investimenti.
Nei modelli di trading software avanzati, i sistemi possono utilizzare set fuzzy programmabili per analizzare migliaia di titoli in tempo reale e presentare all’investitore la migliore opportunità disponibile. La logica fuzzy viene spesso utilizzata quando un trader cerca di prendere in considerazione più fattori. Ciò può comportare un’analisi ristretta per le decisioni di trading. I trader possono anche avere la capacità di programmare una serie di regole per la messa in atto delle negoziazioni. Due esempi includono quanto segue:
Regola 1: se la media mobile è bassa e l’indice di forza relativa è basso, allora vendi.
Regola 2: se la media mobile è alta e l’ indice di forza relativa è alto, allora acquista.
La logica fuzzy consente a un trader di programmare le proprie inferenze soggettive su basso e alto in questi esempi di base per arrivare ai propri segnali di trading automatizzati.