Neural Trader: utilizzo di reti neurali per il trading di scommesse

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Neural Trader: utilizzo di reti neurali per il trading di scommesse"

Transcript

1 Neural Trader: utilizzo di reti neurali per il trading di scommesse Mario Arrigoni Neri A. Introduzione Il trading di scommesse sportive è una attività relativamente nuova, che si presenta per la prima volta nel 2003 quando una importante società del Regno Unito, The Sporting Exchange Limited, sviluppa un portale che propone un sistema di scambio di quote di scommesse analogo ad una borsa valori. Questo sito, assorbe ben presto la gran parte del colossale giro d affari che, nel Regno Unito e non solo, ruota intorno alle scommesse, sportive ma non solo, tanto che nello stesso anno Betfair riceve il Queen s Award for Enterprise dalla Regina d Inghilterra. Il mercato delle scommesse presenta numerose analogie con quello azionario, tuttavia, grazie al suo collegamento esplicito con eventi reali ed oggettivi, risulta fortemente più vincolato, nel senso che è possibile valutare facilmente ed in maniera affidabile il grado di pertinenza di un mercato all evento sottostante, nonché i livelli di convenienza delle quote disponibili. Per questi ed altri motivi, l attenzione di alcuni broker di borsa si è spostato sul ricco mercato offerto da Betfair (ed altri sistemi paralleli nati successivamente). Lo scopo di questo lavoro è valutare se le tecniche di soft computing, quali le reti neurali e gli algoritmi genetici, possono essere proficuamente applicate al mercato delle scommesse. Dopo una prima brevissima introduzione ai concetti fondamentali dello scambio di scommesse, proverò ad addestrare una rete neurale a stimare le probabilità di vittoria in relazione ad una determinata scommessa, sperando di ottenere una stima più accurata di quella che si riflette nelle quote (o prezzi) disponibili sul mercato. In effetti, ottenere una rete siffatta significherebbe depurare almeno parzialmente il modello degli eventi sottostanti (ad esempio quelli sportivi) dalle dinamiche sociali, psicologiche e speculative che intervengono nella formulazione di una quota. Così facendo sarebbe in linea di principio possibile utilizzare la stima del sistema per valutare se il prezzo proposto è più o meno conveniente, con un evidente vantaggio economico. Una volta ottenuta la rete per la predizione passerò ad implementare un trader automatico che ne sfrutti l accuratezza per operare sul mercato guidato da alcuni parametri operativi. Infine questi parametri operativi, che in generale saranno indicati dall utente, saranno oggetto di ottimizzazione da parte di un algoritmo genetico, che cercherà di identificare la politica ottima e, quindi, il trader più performante. B. Concetti base del mercato scommesse Caratteristiche delle scommesse Una scommessa non è altro che un accordo tra due attori, detti giocatore e banco, sull effettuare una transazione economica sulla base del verificarsi o meno di un evento, solitamente successivo alla stipula dell accordo. Il giocatore corrisponde al banco una somma di denaro concordata detta carico, in caso in cui l evento si verifichi il banco corrisponderà al giocatore una somma concordata detta premio. In sostanza, il giocatore, pagando il carico, acquista il diritto a ricevere dal banco il premio condizionatamente al verificarsi dell evento. L elemento caratteristico della scommessa è la quota (o prezzo), definito come:

2 quota = premio carico Ovviamente, a parità di tutte le altre condizioni, più alta è la quota, maggiore è il vantaggio del giocatore rispetto al banco. I livelli di rischio degli attori prende il nome di esposizione o responsabilità ed indica la massima perdita a cui ciascuno degli attori si espone partecipando alla scommessa. Il giocatore si espone, in caso l evento non si verifichi, ad una perdita pari al carico, mentre il banco si espone in caso l evento si verifichi ad una perdita pari al premio decurtato del carico che comunque riceve dal giocatore. Quindi: exp B exp = G carico = premio carico = ( quota 1) carico Esistono diversi schemi di scommesse, i due principali si distinguono sulla base dei meccanismi che portano al calcolo della quota: a quota fissa a totalizzatore E il sistema più diffuso. Il banco propone una scommessa ad una platea di potenziali giocatori. La scommessa è caratterizzata da una quota, decisa unilateralmente dal banco e da un carico massimo che il banco stesso è disposto a coprire. Il giocatore può decidere liberamente se accettare la quota proposta dal banco. E il sistema utilizzato da alcuni sistemi di scommesse statali, tra cui i sistemi italiani (SNAI, SiSal, Tris, ecc..). Il banco accetta scommesse da una platea di giocatori, riservandosi di decidere successivamente la quota delle singole scommesse. I giocatori, quindi, indicano solo il carico che intendono scommettere. Al termine della raccolta il banco calcola le quote a cui accettare ogni scommessa. In questo caso la quota è nota solo dopo la chiusura delle scommesse ed è calcolata in modo inversamente proporzionale al carico totale collezionato su ogni possibile esito. E chiaro che se gli eventi sono mutuamente esclusivi (come ad esempio i risultati di una partita) il banco può bilanciare le quote in modo da non rischiare mai di perdere del denaro. Il mercato Il mercato scommesse raccoglie un insieme di utenti, che possono operare contemporaneamente come banco e come giocatore. Il mercato è organizzato in un albero di eventi reali (intesi come eventi sportivi o meno nel mondo reale, come una partita, una corsa, una votazione politica, ecc..). Per ogni evento sono disponibili uno o più mercati, ogni mercato si occupa di un particolare aspetto dell evento ed e caratterizzato dai possibili esiti di tale aspetto, detti anche selezioni. Ad esempio, considerando come evento naturale una partita di calcio Milan-Inter, esisterà quantomeno il mercato sul vincente, che permette di scambiare scommesse su quale sarà il risultato di schedina. Questo mercato proporrà come possibili selezioni Milan, Inter e Pareggio.

3 Sullo stesso evento reale possono essere definiti mercati differenti, come il numero di reti, il risultato finale, ecc.., ciascuno con una serie di selezioni che esauriscono i possibili esiti del mercato. Per ogni selezione di ogni mercato un utente può operare sia come banco che come giocatore, in ogni momento può inserire nel sistema l offerta di una scommessa indicando il carico e la quota a cui è interessato. Per ogni selezione il sistema mantiene una lista delle offerte e le propone agli utenti in un book a tre livelli non dissimile da quello a cui si è abituati sul mercato borsistico organizzate sui due lati dell offerta: Lato del back: raccoglie tutte le proposte dei banchi, quindi ogni utente può decidere se abbinare una scommessa inserendo, di fatto, una richiesta di gioco. E l analogo della lista delle offerte di vendita di un titolo Lato del lay: raccoglie le proposte dei giocatori. Ogni utente può decidere se abbinare una scommessa inserendo una richiesta di banco. E analogo alla lista delle offerte di acquisto Se una richiesta in back non è interamente soddisfacibile al prezzo richiesto, la frazione di carico residua rimarrà disponibile in lay per ulteriori abbinamenti; dualmente i carichi non abbinati in lay rimarranno disponibili in back. Nell analogia con i termini borsistici diremo che acquistare un evento ad un determinato prezzo corrisponde a scommettere sulla sua realizzazione ad una data quota. In termini operativi, conviene evidenziare subito il fatto che, contrariamente a quanto avviene in borsa, il miglior acquisto è quello al prezzo massimo, così che un trader (o un bookmaker in questo caso) ha come obiettivo acquistare eventi a prezzi elevati e rivenderli a prezzi inferiori, così da poter tratte un utile indipendentemente dal verificarsi o meno dell evento (e cioè effettuando quello che in gergo prende il nome di arbitrato). In Figura 1 è riportata una schermata del book a tre livelli su un mercato vincente di una corsa ippica, per ogni selezione e per ogni livello di quota è riportato il carico disponibile per l abbinamento.

4 Figura 1 esempio di book a tre livelli Ovviamente in ogni istante e per ogni selezione il massimo prezzo disponibile in back è inferiore al minimo prezzo disponibile in lay. Mettendo in competizione sullo stesso mercato non solo giocatori differenti, ma anche e soprattutto banchi differenti fa sì che le quote disponibili sul mercato siano mediamente molto più convenienti delle quote fisse dei bookmaker tradizionali. Si valuta che questo vantaggio sia nell ordine del 25%. Il margine di banco Differentemente dal mercato valori, a prescindere dalle valutazioni tecniche in merito alla convenienza dell una o dell altra selezione, è sempre e comunque possibile valutare la bontà e concorrenzialità del mercato tenendo presente che una ed una sola delle selezioni sarà pagata dal banco, mentre le altre si tradurranno in una perdita per il giocatore. Il margine di banco è l indice primario per stimare la bontà del mercato e misura il vantaggio che si riserva il banco che propone tutte le selezioni al miglior prezzo disponibile. Chiaramente nel caso di un mercato scommesse questo è un banco virtuale, nel senso che solitamente non esiste un unico utente che propone i prezzi migliori su tutte le selezioni di un mercato. Assumendo un mercato perfetto, ogni selezione dovrebbe avere una quota determinata unicamente dalla probabilità che l evento si verifichi. Il banco remunera il rischio dello scommettitore, garantendo un rapporto tra vincita e carico inversamente proporzionale alla probabilità di vittoria. In formule: P = 1 prezzo Ad esempio é evidente che se si scommette su un evento con probabilità P=1/2, uno scommettitore onesto accetterà una quota pari a due, in modo da avere una esposizione pari alla vincita.

5 Dato che le selezioni di un mercato M sono una partizione dell evento certo (sono incompatibili tra di loro e la loro ed una di esse deve necessariamente verificarsi), la somma delle loro probabilità deve essere pari ad uno: 1 Q = Psel = = 1 prezzo sel M sel M Sotto l ipotesi di mercato perfetto (Q=1) è possibile costruire un book di scommesse neutro, infatti è possibile giocare (o bancare) tutte le selezioni alle quote disponibili garantendosi un utile nullo a prescindere dall esito dell evento scegliendo i carichi da collocare su ogni selezione sulla base della quota. Occorre quindi garantire che: sel S M : prezzo S carico S S 2 M carico = S 2 0 In un mercato perfetto l equazione ammette la soluzione: S M : carico S = S 2 M carico prezzo S S 2 In realtà, in ogni istante, il mercato presenta due livelli di quote, uno in back ed uno in lay, che approssimano solamente il mercato perfetto. Dal lato del back troviamo le offerte di banco non ancora abbinate ed è quindi naturale che tali quote diano un vantaggio al banco, quindi avremo Q>1. Al contrario nel lato del lay avremo Q<1. Queste informazioni sono riportate, in percentuale, in Figura 1 vicino a punta e banca. Lo starting price Come visto nei paragrafi precedenti, in un mercato perfetto è possibile far corrispondere direttamente ai prezzi le probabilità del verificarsi di un evento. Tuttavia, la stima delle probabilità sulla base delle quote si scontra con alcune problematiche fondamentali: In generale il mercato non è perfetto, ma risente degli errori di valutazione degli utenti. All aumentare degli utenti questo fenomeno diminuisce, così che le quote fuori mercato vengono transate rapidissimamente (nel caso in cui siano vantaggiose) o vendono superate da altre (se sono svantaggiose) Sono disponibili sul mercato solo le quote non ancora abbinate, questo significa come visto che esiste un margine di banco positivo (Q>1) o negativo (Q<1) a seconda del lato che si considera. Inoltre se il mercato non ha grossi volumi in transazione può accadere che i prezzi in book siano lontani da quelli che vengono effettivamente transati La soluzione classica per ottenere uno stimatore migliore è presa in prestito dall ambito borsistico ed è il cosiddetto starting price. Lo starting price non è altro che il valore medio, pesato sui carichi, a cui è stata acquistata una selezione e fornisce una stima del valore reale della stessa. In formula: SP = transazioni prezzo carico transazioni carico Lo starting price viene solitamente calcolato considerando tutte le transazioni dall apertura del mercato, dato che il volume di carichi transati rende atto delle diverse fasi della contrattazione.

6 Inoltre è possibile valutare lo starting price su intervalli successivi di tempo per stimare le dinamiche di medio periodo di una selezione, utilizzando di fatto lo starting price come un indicatore più robusto ed affidabile dei semplici prezzi disponibili. C. Logging dei dati Mercati di riferimento Da un punto di vista tecnico, Betfair mette a disposizione, a pagamento, un accesso al proprio mercato tramite WebService. In ogni istante è quindi possibile monitorare le quote disponibili e consultare lo storico delle transazioni, ricavando utili indicazioni per le operazioni di trading. Per sperare di ottenere uno stimatore delle probabilità di vittoria di una selezione occorre garantire una certa uniformità tra gli eventi considerati. Nel mio lavoro ho scelto di concentrarmi sulle scommesse sportive sui mercati vincente delle corse ippiche inglesi ed irlandesi. Questa scelta è stata dovuta a due fattori: Il volume di gioco su questi eventi è notevole. Indicativamente si ha una media di corse al giorno e su ciascuna di queste vengono transati diversi milioni di euro. L alto volume di gioco è da un lato indice di un possibile guadagno e dall altro un indicatore di concorrenzialità del mercato stesso (che ha in genere un Q molto prossimo ad 1). In un mercato concorrenziale i prezzi e gli indicatori tecnici sono di norma più indicativi della reale probabilità di vittoria e possono quindi essere verosimilmente utilizzati da un predittore neurale I mercati vincente delle corse inglesi ed irlandesi sono aperti anche durante lo svolgersi della corsa. In gergo si dice che il mercato è live. La possibilità di scommettere durante la gara fa si che ci siano delle fasi molto concitate, dove grandi volumi di denaro vengono scambiati su mercati molto volatili e con prezzi in rapida oscillazione. Questo fornisce solitamente ottime opportunità di trading all operatore umano e, verosimilmente, è un indicatore di possibile successo anche per un trader artificiale. Il logger Una volta scelti i mercati di riferimento, il primo passo del mio lavoro è stata l implementazione di un client per il webservice di Betfair che fosse in grado di memorizzare tutte le transazioni. In realtà Betfair stesso fornisce ai propri clienti delle statistiche sui mercati e sugli sport più popolari (tra cui per prime troviamo proprio le corse inglesi). Tuttavia, queste non sono sufficienti per ricostruire le dinamiche dei prezzi e delle transazioni: informazioni fondamentali in quanto sono le uniche disponibili a runtime durante l attività di trading. Il logger è un semplice tool sviluppato in Java. Utilizza Axis per interfacciarsi al webservice di Betfair ed è pensato per operare autonomamente per lunghi periodi. Ogni giorno l albero degli eventi viene aggiornato per contenere gli eventi giornalieri, le corse di interesse si svolgono normalmente dall una di pomeriggio fino a sera e la lista dei mercati viene aggiornata entro le 10 di mattina. Il logger, quindi, opera su base giornaliera. Alle 10 di mattina aggiorna la lista dei mercati, navigando lungo le directory degli eventi fino alle corse di cavalli. A questo punto estrae le sole corse inglesi ed irlandesi che prevedono una parte in live ed infine si mette in ascolto su tali eventi. Già in fase di log è necessario effettuare alcune scelte sia sulle informazioni da considerare che sulle modalità e le risoluzioni con cui osservarle: Intervallo di osservazione: solitamente, per gli eventi sportivi si osserva una concentrazione dell attività di compravendita a partire dagli ultimi minuti prima dell evento reale. Nell ambiente ippico è detto effetto tondino; nella prima parte della giornata, i vari

7 bookmaker si propongono per bancare le selezioni sulla base di analisi tecniche di periziatori ed i giocatori piazzano scommesse sulla base di fattori esogeni rispetto all evento vero e proprio. Il risultato sono scarsissime transazioni e quote di fatto slegate dalle probabilità reali di vincita. 5 o 10 minuti prima dell inizio della corsa i concorrenti si presentano sul campo di gara e gli scommettitori possono visionare effettivamente cavallo e fantino e valutarne le qualità e la forma. Questo è il momento in cui, trascinati dalle scommesse inviate direttamente dall ippodromo, i mercati incominciano a muovere i capitali maggiori. Per queste considerazioni il logger analizza i mercati a partire da dieci minuti prima della partenza. Intervallo di campionamento: è una variabile fondamentale per ottenere dei campioni numerosi, ma contemporaneamente significativi. Visto che alcune informazioni si riferiscono all intero intervallo di osservazione, non conviene spingere gli aggiornamenti oltre una certa frequenza per evitare di campionare del rumore. Vista la volatilità dei mercati e valutata la dinamica degli scambi, ho impostato l intervallo tra due campioni a cinque secondi. Empiricamente i tempi di comunicazione con il server ed i ritardi dovuti alla scrittura dei dati hanno comportato un aumento di circa un secondo. Figura 2 il tool per il log dei mercati Il programma visualizza in una lista i riferimenti di tutti gli eventi monitorati, indicando cromaticamente la fase in cui si trova il mercato: Grigio: mercato in attesa, non è ancora iniziata la fase di logging Giallo: logging pre-live, il sistema sta memorizzando lo storico del mercato, ma l evento reale non è ancora iniziato Verde: logging in-live, il sistema sta memorizzando lo storico del mercato e l evento reale è in corso. La distinzione rispetto al logging pre-live permetterà di specializzare la rete in una delle due fasi, qualora emergano differenze sostanziali nei rispettivi comportamenti Rosso: logging terminato, il mercato è stato chiuso e si sta attendendo la regolazione delle scommese abbinate; nessun gol viene creato in questa fase

8 Durante la fase di logging occorre estrarre dai dati grezzi forniti dalla piattaforma quelle informazioni che permetteranno, di costruire i campioni di addestramento della rete. In particolare è necessario calcolare lo starting price ed i volumi scambiati partendo dallo storico di tutte le transazioni. L impossibilità di accedere direttamente a questi valori richiede di accedere ad ogni campione a tutte le quote abbinate ed è la principale causa dell overhead in fase di logging. Per ogni campione e per ogni selezione vengono quindi salvati: Il miglior prezzo in back Il miglior prezzo in lay Il carico disponibile al miglior prezzo in back Il carico disponibile al miglior prezzo in lay Lo starting price della selezione Il volume totale scambiato per la selezione I file di log Il frutto del logger viene salvato in una serie di file XML. Ogni file contiene i dati di un particolare mercato ed i file sono organizzati in directory, una per ogni giornata. Figura 3 DTD del linguaggio di log L elemento radice di ogni file contiene il nome del mercato (che corrisponde al nome del file), il numero di rilevazioni eseguite e riporta la lista dei singoli campioni. Ogni campione è classificato a seconda che sia stato o meno raccolto durante la fase live del mercato; inoltre si memorizza il tempo, in secondi, che manca all inizio ufficiale della gara. Questo può essere importante per valutare in che misura i prezzi disponibili sul mercato sono legati al reale valore della selezione. Ogni campione riporta poi i dati delle singole selezioni secondo le misure indicate nel paragrafo precedente. La Figura 3 riporta il DTD del linguaggi dei log, mentre la Figura 4 mostra il frammento iniziale del log di una corsa. Il logger è stato mantenuto in linea a partire dal 10 giugno fino al 27 novembre 2006, per un totale di 3351 eventi reali a cui corrispondono ben campioni.

9 Figura 4 frammento di un file di log D. La rete neurale Nello sviluppo della rete ho utilizzato il tool open sorse Joone (http://www.jooneworld.com/). La rete implementata è una rete feedforward con: Uno strato lineare in ingresso Uno strato nascosto sigmoidale Un neurone di uscita sigmoidale L idea di base è addestrare la rete per riconoscere i campioni che si riferiscono a selezioni vincenti da quelli che si riferiscono a selezioni perdenti. In questo modo il valore restituito dalla rete (che è limitato tra zero ed uno a causa del neurone di uscita) può essere convenientemente interpretato come la probabilità di vittoria. Figura 5 rete neurale di base

10 In Errore: sorgente del riferimento non trovata viene mostrata la rete di partenza all interno dell editor di Joone. Sono indicati i tre livelli della rete e le strutture necessarie all addestramento ed alla valutazione della rete stessa. Tra queste troviamo: vari connettori a file, che permettono di leggere i campioni e gli esiti noti per l addestramento supervisionato il componente di apprendimento (teacher) che misura l errore della rete ed implementa l algoritmo di addestramento scelto il componente grafico che si occupa di disegnare l andamento dell errore durante l addestramento. Costruzione del training set Il sistema di addestramento prevede che i campioni siano inseriti in un file testuale con i singoli elementi divisi da caratteri di interpunzione (;). E quindi necessario sviluppare un secondo programma di traduzione che: ricava dai dati dei log delle informazioni significative da fornire in ingresso alla rete. Questa fase di preprocesso permette di ridurre lo spazio dei parametri (cioè la dimensione dei campioni in ingresso) ed è finalizzata ad una migliore convergenza della rete, dato che parte dell elaborazione che questa dovrebbe apprendere è di fatto fornita dall esperto del dominio. Joone fornisce una libreria di plugin per il proprocessing dei campioni, tuttavia l elaborazione richiesta è fortemente dipendente dall applicazione e mal si presta ad essere demandata ai plugin della piattaforma seleziona un sottoinsieme di campioni dall enorme mole di dati raccolta, mantenendone la rappresentatività. Contestualmente esegue un resampling dei dati in modo da renderli più efficaci per la classificazione. Per sua natura, l analisi dei prezzi e degli scambi trae vantaggio dall elaborazione congiunta di una serie di campioni letti in intervalli temporali contigui. L approccio è molto vicino all analisi di sequenze temporali, ma rispetto alla semplice giustapposizione di campioni diversi successivi è opportuno calcolare alcune grandezze di processo quali gli scambi nell ultimo intervallo di osservazione. Ogni campione sottoposto alla rete riporta informazioni sui prezzi della selezione di interesse relative agli ultimi tre istanti di osservazione. Per evitare un aumento insostenibile dello spazio in ingresso ho scelto di utilizzare le sole informazioni sui migliori prezzi disponibili, riducendo di fatto il book ad un unico livello. Queste informazioni sono integrate da informazioni sulle transazioni della selezione, che rendono conto dell effettivo interesse suscitato dall evento ed alcune informazioni generali sul mercato, che permettono di caratterizzare il tipo di evento e la situazione in cui avviene il trading. Infine, è utile poter confrontare la selezione attuale con il suo diretto antagonista, cioè con la selezione sullo stesso mercato che appare favorita dalle quote attuali; a tale scopo il campione in ingresso viene integrato da alcuni dati sulla selezione antagonista. Infatti spesso, e soprattutto in live, le stime sulle possibilità di vittoria di un corridore dipendono dal raffronto delle dinamiche con selezioni differenti. Complessivamente, ogni campione è costituito da 34 valori, a cui si aggiunge il valore dell output desiderato che nella fattispecie è la funzione indicatrice della vittoria. Dato che i dati dei log non riportano esplicitamente il vincitore di una corsa è necessario estrarre questa informazione. Ciò è possibile se si considera che al termine dell evento, cioè appena prima della chiusura di un mercato, il concorrente con quota minima è quasi certamente il vincitore. La tabella seguente mostra i singoli campi di ogni campione, raggruppati per tipologia ed indicando ove necessario il metodo di calcolo a partire dai dati nei log.

11 # nome descrizione Prezzi della selezione corrente 1 B(t) Miglior prezzo in back all istante corrente 2 L(t) Miglior prezzo in lay all istante corrente 3 BS(t) Stake (o carico) disponibile al miglior prezzo in back 4 LS(t) Stake (o carico) disponibile al miglior prezzo in lay 5 B(t-1) Miglior prezzo in back all istante precedente 6 L(t-1) Miglior prezzo in lay all istante predente 7 BS(t-1) Stake (o carico) disponibile al miglior prezzo in back 8 LS(t-1) Stake (o carico) disponibile al miglior prezzo in lay 9 B(t-2) Miglior prezzo in back a due istanti precedenti 10 L(t-2) Miglior prezzo in lay a due istanti precedenti 11 BS(t-2) Stake (o carico) disponibile al miglior prezzo in back 12 LS(t-2) Stake (o carico) disponibile al miglior prezzo in lay Scambi sulla selezione corrente 13 MODD(t) Starting price attuale della selezione 14 MS(t) Carico scambiato sulla selezione 15 DODD(t) E il prezzo medio scambiato nell ultimo intervallo temporale. Visto che non è fornito direttamente dai file di log è necessario calcolarlo come: MODD( t) MS( t) MODD( t 1) MS( t 1) DODD( t ) = DS( t) 16 DS(t) Volume scambiato nell ultimo intervallo di tempo, calcolabile come: DS( t) = MS( t) MS( t 1) 17 DODD(t-1) Prezzo medio scambiato nel penultimo intervallo temporale. E di fatto la versione traslata di un istante di DOSS(t) 18 DS(t-1) Volume scambiato nel penultimo intervallo temporale 19 MODD(t-2) Starting price calcolato due istanti prima dell attuale, raccoglie l informazione sul comportamento medio prima delle ultime rilevazioni 20 MS(t-2) Volume scambiato dall apertura del mercato al terzultimo campione Prezzi della selezione antagonista 21 BA(t) Miglior prezzo in back all istante corrente della selezione antagonista. La selezione antagonista è quella con il prezzo di Back minore tra le atre selezioni. Quindi è solitamente il concorrente favorito, salvo nel caso in cui il favorito sia la selezione corrente 22 LA(t) Miglior prezzo in lay all istante corrente della selezione antagonista 23 BAS(t) Stake (o carico) disponibile al miglior prezzo in back della selezione antagonista 24 LAS(t) Stake (o carico) disponibile al miglior prezzo in lay della selezione antagonista 25 BA(t-1) Miglior prezzo in back all istante precedente della selezione antagonista 26 LA(t-1) Miglior prezzo in lay all istante predente della selezione antagonista 27 BAS(t-1) Stake (o carico) disponibile al miglior prezzo in back della selezione antagonista 28 LAS(t-1) Stake (o carico) disponibile al miglior prezzo in lay della selezione antagonista 29 BA(t-2) Miglior prezzo in back a due istanti precedenti della selezione antagonista 30 LA(t-2) Miglior prezzo in lay a due istanti precedenti della selezione antagonista 31 BAS(t-2) Stake (o carico) disponibile al miglior prezzo in back della selezione

12 antagonista 32 LAS(t-2) Stake (o carico) disponibile al miglior prezzo in lay della selezione antagonista Informazioni generali sul mercato 33 Togo Secondi che mancano alla partenza ufficiale della gara 34 Runners Numero di selezioni disponibili per il mercato Uscita desiderata 35 wins Funzione indicatrice della vittoria Selezione dei campioni La selezione dei campioni da inserire nel training set è fondamentale per garantire la rappresentatività del campione stesso. La mole di dati raccolti fornisce una buona libertà nella scelta dei criteri di ammissibilità dei campioni: omogeneità dei campioni: quando l evento reale inizia, il mercato passa dalla fase di trading a quella live. In questo passaggio tutte le scommesse non abbinate vengono rimosse ed inizia una nuova contrattazione. Al fine di avere campioni temporali significativi è quindi importante che i tre istanti che concorrono alla definizione di un campione (nominalmente t, t-1 e t-2) appartengano alla stessa fase di contrattazione. Se così non fosse si otterrebbero delle discontinuità sui prezzi di mercato artificiosi, dovuti ad un evento singolare che interrompe la sequenza ammissibilità per prezzo: la significatività dei prezzi osservati varia enormemente a seconda del livello di quota. A prezzi molto piccoli (al di sotto di 1.1) corrisponde una vittoria quasi certa; al contrario livelli di prezzo molto alti (al di sopra di 1:50) sono molto poco significativi in quanto sono determinati quasi unicamente da quote residue abbandonate dal banco o da azioni speculative. E pertanto opportuno limitarsi a campioni con prezzi di mercato (userò il back per maggiore significatività) compresi in un opportuno intervallo. ricampionamento: il ricampionamento dei dati in ingresso permette di manipolare la proporzione tra diverse classi di campioni. Uno dei problemi del fenomeno osservato è la bassa incidenza statistica delle selezioni vincenti. Infatti, un mercato ha mediamente selezioni a cui corrisponde una probabilità a priori di vittoria intorno al 5%. In letteratura è noto che questo sbilanciamento tra le cardinalità delle due classi può rendere difficoltoso l apprendimento. Tuttavia il ricampionamento pone due problematiche: la probabilità a priori è di per sé un informazione: ricampionare eccessivamente il dataset può distruggere completamente questa informazione. Visto che l obiettivo è stimare le probabilità di vittoria e di sconfitta conviene mantenere il ricampionamento entro termini accettabili ricampionare il training set vuole spesso dire replicare alcuni campioni della classe meno numerosa. Questo solleva evidenti problemi sul filtraggio del rumore e sulla capacità di generalizzazione della rete ottenuta e ripropone problematiche di overfitting. Nel nostro caso il ricampionamento può essere effettuato senza replicare alcun campione. Dato il grande numero di rilevamenti è infatti sufficiente campionare la classe dei vincitori con una distribuzione di probabilità diversa per ottenere un aumento di dati senza duplicazione degli stessi.

13 Nella costruzione del dataset ho scelto i seguenti parametri: parametro valore commenti Prezzo minimo 1.3 Equivale ad una probabilità stimata di vittoria di circa il 30%, al di sotto di questo valore già si vedono gli effetti della speculazione Prezzo massimo 50 Al di sopra del 50% i prezzi appaiono decisamente poco significativi % perdenti 5% Per i campioni che soddisfano gli altri criteri si applica una probabilità di selezione del 5%. Questo permette di ottenere un numero comunque molto alto di campioni che spaziano su tutti gli eventi registrati. Mediamente un evento viene osservato per minuti (10 di trading di durata del live), quindi campionando ogni 5-7 secondi si hanno circa 140 campioni per evento; ricampionando se ne hanno 7-8. % vincenti 15% Selezionando i vincenti con una probabilità tripla rispetto ai perdenti si innalza la percentuale dei vincenti a circa il triplo dell incidenza originaria, mantenendola comunque di gran lunga inferiore al 50% Applicando questi parametri ai campioni reali ottenuti dalla fase di logging, composta da circa 3300 eventi, si filtrano gli oltre 3 milioni e mezzo di campioni fino ad ottenerne solo , innalzando contemporaneamente la percentuale di campioni vincenti dal 5 al 15%

14 E. Addestramento Una volta estratto il training set si passa alla fase di addestramento. Come primo tentativo usiamo la rete di Figura 5 ed un algoritmo di backpropagation con learning rate pari a 0.8 ed un momento di 0.6. il risultato, utilizzando i primi 5000 campioni del dataset, è riportato in Figura 6. Come appare evidente, la rete parte già con delle performance interessanti, caratterizzate da un errore medio intorno a 0.3 (che, come mostrerò, è già comparabile con l errore medio delle stime basate sui prezzi). Tuttavia, con l avanzare delle epoche di addestramento, l errore non diminuisce significativamente, tanto da attestarsi dopo 200 epoche intorno a E da evidenziare che anche una riduzione modesta dell errore di previsione può essere sfruttata per ottenere utili, seppur su una grande mole di eventi. Figura 6 RMSE del training di base L obiettivo è di modificare questa dinamica dell errore per ottenere una riduzione constante, anche se limitata, dell errore stesso. A questo scopo è possibile attuare due interventi, il primo frutto di considerazioni generali sulla dinamica dell errore, il secondo specifico per le caratteristiche del particolare problema in analisi. Innanzitutto pare che la mancata dinamica decrescente dell errore sia dovuta ad oscillazioni che statizzano l RMSE intorno ad un valore prossimo a quello iniziale. La soluzione tipica in questi casi è una qualche forma di annealing. In questo caso ho scelto un annealing dinamico al 15%, questo significa che ogni qualvolta l errore aumenta il learning rate viene diminuito del 15%. Inoltre, valutando il dataset, appare evidente una certa di sproporzione tra gli ordini di grandezza delle singole componenti di ogni campione. Infatti, in ogni campione troviamo campi che rappresentano prezzi (vuoi prezzi di mercato che starting price), altri che rappresentano carichi (stake disponibile o volumi scambiati) ed infine altri che rappresentano intervalli temporali e numero di partecipanti. Le tre classi di componenti assumono ovviamente valori ben differenti, a volte distanti ordini di grandezza tra di loro. Questa considerazione, unitamente ad alcune valutazioni sul significato di valori particolari, introduce la tematica del condizionamento tramite preprocessing dei dati. Analizziamo queste operazioni per le tre classi di componenti:

15 valori di prezzo: i prezzi vengono distorti utilizzando una scala logaritmica. Man mano che il prezzo aumenta, la differenza tra due prezzi diventa sempre meno significativa. Inoltre il prezzo pari a 2 assume un significato particolare, dato che è il prezzo che, almeno idealmente, dovrebbe indicare un evento puramente casuale; per questo motivi ho scelto di utilizzare il prezzo 2 come punto per il cambio di segno del logaritmo. Riassumendo, i prezzi vengono preelaborati attraverso la formula: price = ln( p 1) valori di flussi: le componenti che rappresentano flussi di denaro assumono solitamente valori maggiori dei prezzi, mentre anche per queste componenti rimane valicala considerazione generale sulla significatività delle variazioni rispetto al valore assunto. Inoltre in questo caso occorre gestire l eventualità di un carico nullo. Per questi motivi ho utilizzato un logaritmo in base dieci con una preventiva traslazione di una unità del volume scambiato (o disponibile): volume = log 10 v + 1 ( ) valori generici: le componenti che indicano i secondi mancanti all inizio della corsa ed il numero di partecipanti non vengono preelaborati, essendo per loro natura limitati ad un range piuttosto contenuto. Figura 7 andamento dell'rmse con preprocessing Per valutare l effetto del condizionamento dei campioni è stato necessario aggiungere il condizionatore al programma di elaborazione dei log. Aggiungendo l annealing ed il preprocessing dei campioni si ottiene il risultato di Figura 7. In effetti in questo caso le oscillazioni dell errore vengono smorzate entro le prime epoche di addestramento e l errore assume il tipico andamento decrescente, tendendo ad un valore prossimo a Si conclude quindi che le modifiche apportate hanno da un lato risotto l errore finale della rete, e dall altro ne hanno stabilizzato il comportamento.

16 F. Generalizzazione della rete Una volta compreso quale forma dare ai dati di training e che tipo di rete utilizzare occorre dimensionare correttamente la rete medesima e scegliere i valori da assegnare ai parametri di apprendimento (learning rate e momento). A tal fine occorre confrontare tra di loro diverse opzioni sulla base dell errore di validazione e per fare ciò è opportuno utilizzare una tecnica di cross-validazione, in cui l intero campione in ingresso viene partizionato in K frammenti. La valutazione della rete avviene in K turni, in ciascuno dei quali la rete viene reinizializzata, addestrata con i campioni provenienti da tutti i frammenti meno uno, ed infine valicata sul frammento non usato nella fase di addestramento. Ad ogni turno si sceglie un frammento diverso per la validazione ed alla fine si calcola la media degli errori di validazione. La media calcolata è un indice delle capacità di generalizzazione della rete con riferimento al particolare dataset, ma utilizzando porzioni diverse dello stesso dataset in fase di addestramento e di validazione questo diventa un indicatore della generalizzazione della rete rispetto al problema ed è quindi utile per scegliere i parametri tipici della rete. Per usare la K-fold crossvalidation per selezionare la rete da utilizzare è possibile, banalmente, misurare la generalizzazione di diverse configurazioni e scegliere quella che garantisce l errore di generalizzazione minimo. Nel nostro caso i parametri che determinano maggiormente la capacità di generalizzazione della rete sono il numero di nodi nello strato nascosto, il coefficiente di apprendimento ed il momento. Nell esperimento sono stati combinati tre valori per la dimensione del livello nascosto (15, 7 e 35) con due livelli per il learning rate (0.8 e 0.6) e due per il momento (0.6 e 0.4), ottenendo un totale di 12 differenti configurazioni. Il campione è stato diviso in cinque frammenti di campioni ciascuno. Viste alcune difficoltà implementative di Joone si è scelto di memorizzare i singoli frammenti in file fisicamente distinti e di usarli per una closs validation con K=5; ad ogni iterazione, quindi, la rete è stata addestrata con campioni e valicata con i restanti Per ogni configurazione provata e per ogni combinazione dei blocchi di training si è eseguito l addestramento per 100 epoche. I risultati della valutazione comparativa, ottenuti dopo qualche ora di computazione, sono riportati nella tabella seguente: # hidden level Learning rate Momentum Mean Training error Mean Generalizzation error Come si può notare gli errori di training e di validazione sono molto vicini tra di loro, questo indica che il campione raccolto è in effetti significativo e si può ben sperare in risultati analoghi utilizzando campioni al di fuori dei log.

17 Anche se di poco, la configurazione più efficiente sia in termini di apprendimento che in termini di generalizzazione è quella con 7 neuroni nello strato nascosto, un learning rate iniziale (ridotto dall annealing) pari a 0.6 ed un momento di 0.4. A questo punto è necessario chiedersi se questi risultati sono o meno sufficienti a fornire un trader efficace. In particolare occorre confrontare l errore medio di generalizzazione della rete con quello che si otterrebbe con dei predittori elementari. Il modo più semplice per stimare la probabilità del verificarsi di un evento è tramite l inverso del numero di eventi disgiunti ed incompatibili. Nella fattispecie si tratta di considerare, a priori, ogni corridore ugualmente capace di vincere la corsa, in questo caso la proprietà viene stimata come: 1 P = # partenti In realtà, superare la precisione di una stima a priori non è sufficiente per ottenere un vantaggio rispetto al mercato, quello che occorre è invece ottenere una stima più precisa di quella fatta dal mercato stesso. La stima del mercato può essere calcolata sia utilizzando le quote in back che quelle in lay: 1 1 P = P = Backprice Layprice Il calcolo delle stime di mercato viene eseguito contestualmente all estrazione dei campioni dai log ed è quindi pertinente ai campioni effettivamente utilizzati e resi disponibili al predittore. Gli errori calcolati in questi tra modi sono riportati di seguito: RSME base = RSME back = RSME lay = Effettivamente gli errori delle stime di back e di lay sono più precise di quelle del predittore di base; questo sta a significare che i prezzi sono, come ovvio, correlati all effettiva probabilità di vittoria. Il confronto con il migliore dei predittori di base, quello basato sui prezzi in back, mostra una precisione nettamente superiore, quantificabile con una riduzione dell errore medio pari al 24%. G. Trading automatico Fino ad ora abbiamo ottenuto uno stimatore che appare nettamente migliore rispetto alle stime delle quote di mercato. Questo significa che la rete ottenuta è effettivamente in grado di fornire un vantaggio competitivo, vuoi fornendo indicazioni all utente, vuoi fungendo da fonte informativa per un sistema di trading automatico. Resta ora da capire come si possa sfruttare questo predittore per automatizzare alcune operazioni sui mercati. In questo lavoro mi limiterò all uso più semplice, che consiste nell adoperare la predizione della rete per valutare quando i prezzi di mercato sono convenienti (alti in back o bassi in lay) e, sotto alcune condizioni di ammissibilità e con qualche indicazione sulle tattiche operative, operare di conseguenza degli acquisti di quote libere sul mercato. Il trader opera con la seguente modalità: In ogni istante di campionamento osserva il mercato, registrando le quote disponibili ed i carichi corrispondenti o Per ogni corridore Utilizzando una memoria per gli stati del mercato ai due istanti precedenti calcola in tempo reale i 34 ingressi del predittore neurale Passa gli ingressi alla rete ottenendo una stima della probabilità di vittoria di ogni selezione Se la probabilità di vittoria desunta dal prezzo in back è sufficientemente più bassa di quella ottenuta dalla rete e la selezione non è stata ancora

18 o giocata in back, gioca la selezione al prezzo di mercato ed un carico compreso in un intervallo predefinito compatibilmente con il mercato Se la probabilità di vittoria desunta dal prezzo in lay è sufficientemente più alta di quella ottenuta dalla rete e la selezione non è stata ancora giocata in lay, banca la selezione al prezzo di mercato ed un carico compreso in un intervallo predefinito compatibilmente con il mercato Se hai raggiunto l esposizione massima accettabile termina Per poter simulare l attività del trader sui mi dadi inseriti nel log è necessario introdurre dei controlli per evitare che la stessa selezione venga giocata (o bancata) più di una volta. Questo è importante perché, dato che si stanno usando dei log, in realtà le operazioni eseguite dal trader non interferiscono con le quote di mercato. Questo vuol dire che se una selezione rimane costantemente ad un prezzo considerato conveniente il trader continuerebbe a giocarla ogni 5 secondi; questo comportamento, oltre ad essere particolarmente pericoloso, non riflette ciò che accadrebbe in un uso reale sul campo, in cui invece la transazione farebbe quantomeno diminuire il carico disponibile, ed è pertanto poco indicativa dell effettivo potenziale del trading. Il funzionamento del trader è parametrico rispetto a nove parametri: Parametro minadv maxadv minprice maxprice minstake maxstake Descrizione Vantaggio minimo stimato per cui conviene operare sul mercato. Una volta calcolata la probabilità di vittoria dal mercato (vuoi in back, vuoi in lay) questa viene confrontata con la previsione della rete, ottenendo il vantaggio della rete in percentuale rispetto alla probabilità di mercato. In back questo diventa: previsione adv = mercato Mentre in lay abbiamo previsione adv = mercato Vengono valutate solo le operazioni per cui adv min Adv Anche vantaggi troppo eclatanti possono indicare operazioni troppo rischioso. Infatti può essere sintomo di fattori esogeni particolari che incidono sulla probabilità di vittoria del corridore, ma che per loro natura non possono essere stati presi in considerazione durante la fase di addestramento della rete. Per questo motivo vengono valutate solo le operazioni con adv max Adv Indica il livello minimo di prezzo a cui si è disposti operare. Oer motivi di semplicità lo stesso valore viene usato sia in back che in lay Indica il livello massimo di prezzo a cui si è disposti operare E il carico minimo che si vuole puntare, se il mercato non offre il carico minimo l operazione viene ignorata E il carico massimo che si vuole puntare. Se il mercato offre un carico maggiore l operazione sarà comunque eseguita con il carico massimo

19 Exposure Back Lay Esposizione massima sul singolo evento. Quando il trader ha collocato o bancato scommesse per una responsabilità pari all esposizione (il carico in back e carico * (prezzo-1) in lay) termina le operazioni e passa al prossimo mercato. Questo evita di esporsi eccessivamente durante la fase di trading. E anche possibile decidere da che parte del banco giocare, in back, in lay o in entrambi. Questo parametro booleano indica se operare in back Indica se operare in lay H. Ottimizzazione dei parametri Sebbene il lavoro di apprendimento del mercato possa dirsi concluso con successo, è opportuno valutare le potenzialità di guadagno offerte dal predittore. Per fare questo occorre cercare una particolare configurazione dei parametri operativi che, in una simulazione di mercato, garantisca il massimo guadagno. In questo frangente ci si può affidare a tecniche genetiche, che ottimizzino l insieme dei parametri rispetto al guadagno. Il sistema opera con un crossover ad un punto ed una probabilità di mutazione uniforme. Tecnologicamente, la scelta è caduta sulla libreria JGAP che, rispetto ad altre soluzioni, permette di operare con cromosomi eterogenei, cioè composti da geni di tipo diverso. Campioni per l addestramento Il simulatore del trading è a tutti gli effetti il trader definitivo, fatto salvo il fatto che opera su dati simulati invece che in linea con il mercato reale. Per farlo funzionare, quindi, servono i parametri operativi ed i dati provenienti dal mercato. Questi ultimi sono di fatto analoghi a quelli usati nella fase di addestramento della rete: i 34 campioni in ingresso vengono usati per stimare la probabilità di vittoria, mentre l informazione sul vincente viene usata per calcolare le vincite. Tuttavia, non è possibile riutilizzare i log per l addestramento della rete dato che questi non hanno alcuna caratteristica di località e sono anzi prodotti volutamente scegliendo campioni da mercati diversi ed evitando di campionare troppo spesso lo stesso mercato. Per una corretta simulazione, al contrario, è necessario avere log completi di alcuni mercati, pur operando un campionamento anche rado all interno del set di mercati. Per questo motivo è necessario eseguire una seconda estrazione dai log. In questo caso ho campionato i mercati con una probabilità del 5% estraendo, per motivi di efficienza, solo 20 mercati (corrispondenti all incirca ad una giornata di attività). L estrazione genera il log completo del mercato nella forma idonea ad essere processata dalla rete neurale; per ogni corridore estrae le tuple che lo riguardano e le combina con quelle del rispettivo antagonista. L effetto è la creazione di uno storico di circa cento campioni (ciascuno composto da 35 valori) per ogni corridore di ciascun mercato selezionato. Evoluzione I cromosomi, come detto, contengono un gene per ogni parametro operativo, cioè nove geni. Innanzitutto ogni gene ha un tipo e degli intervalli ammissibili differenti; questo non crea problemi durante la fase di addestramento, dato che si è scelto un crossover ad un punto e quindi le posizioni all interno del cromosoma vengono preservate durante la fase di evoluzione. Fortunatamente la libreria utilizzata, JGAP, supporta cromosomi eterogenei.

20 Scegliendo convenientemente i limiti ammissibili per ogni gene si può indirizzare l evoluzione verso valori ritenuti semanticamente accettabili e velocizzare pertanto la convergenza della popolazione anche utilizzando un numero tuttosommato esiguo di individui. Nella fattispecie, i tipi ed i range ammissibili di ogni gene sono indicati di seguito: Gene Tipo Min Max minadv Int maxadv Int minprice Double 1 4 maxprice Double 3 30 minstake Int maxstake Int Exposure Double Back Boolean - - Lay Boolean - - Anche all interno dei range proposti esistono dei cromosomi che in realtà non ammettono alcuna politica di trading diversa dalla politica nulla (cioè dall assenza di operazioni sul mercato), ad esempio è perfettamente lecito generare un cromosoma con minprice>maxprice, visto che i due range ammissibili non sono disgiunti. Un siffatto cromosoma non accetterebbe di piazzare o ricevere scommesse ad alcun prezzo. Lo stesso si dica per le restanti coppie di geni. Inoltre, anche un cromosoma che disabiliti contemporaneamente le operazioni in back e quelle in lay sarebbe di fatto inattivo e pertanto da scartare a priori. Le dipendenze funzionali tra geni hanno caratteristiche locali, nel senso che coinvolgono al massimo due geni. E pertanto conveniente definire dei cosiddetti supergeni: Un supergene è un gruppo di geni vicini in un cromosoma che sono ereditati insieme a causa del forte legame genetico e sono funzionalmente correlati in senso evolutivo, sebbene siano raramente co-regolati geneticamente Wikipedia Da un punto di vista tecnico, un multigene è una collezione di geni contigui che: Non vengono spezzati dall operazione di crossover Se vengono mutati vengono mutati insieme Sono co-vincolati da un vincolo di integrità che deve essere rispettato durante la mutazione Il principale vantaggio nell uso dei supergeni è che, invece di produrre un intero cromosoma e valutarne l ammissibilità prima di introdurlo nella popolazione, è possibile mutare ogni supergene indipendentemente e valutarne indipendentemente l ammissibilità, con un sostanziale miglioramento dell efficienza dell algoritmo e dei tempi di convergenza dello stesso. Nel caso specifico ho definito due tipi di supergeni: Un supergene ordinale, che impone l ordinamento dei geni (interi o double) che lo costituiscono. Viene usato per garantire che gli intervalli operativi dei diversi parametri non siano vuoti. Questo ovviamente non garantisce che la politica non sia nulla, ma elimina una grande moltitudine di cromosomi evidentemente inattivi Un supergene booleano, che impone che i costituenti (booleani) non siano entrambi falsi. Viene usato per garantire che le due modalità operative back e lay non vengano mai disabilitate contemporaneamente

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................

Dettagli

In base alla formula di torneo adottata i tornei possono pertanto prevedere lo svolgimento di una o più partite.

In base alla formula di torneo adottata i tornei possono pertanto prevedere lo svolgimento di una o più partite. Formule di gioco La successione di mani necessarie per l eliminazione del penultimo giocatore o per la determinazione dei giocatori che accedono ad un turno successivo costituisce una partita. In base

Dettagli

GUIDA ALLE OPZIONI BINARIE

GUIDA ALLE OPZIONI BINARIE Titolo GUIDA ALLE OPZIONI BINARIE Comprende strategie operative Autore Dove Investire Sito internet http://www.doveinvestire.com Broker consigliato http://www.anyoption.it ATTENZIONE: tutti i diritti sono

Dettagli

Preprocessamento dei Dati

Preprocessamento dei Dati Preprocessamento dei Dati Raramente i dati sperimentali sono pronti per essere utilizzati immediatamente per le fasi successive del processo di identificazione, a causa di: Offset e disturbi a bassa frequenza

Dettagli

Modelli Binomiali per la valutazione di opzioni

Modelli Binomiali per la valutazione di opzioni Modelli Binomiali per la valutazione di opzioni Rosa Maria Mininni a.a. 2014-2015 1 Introduzione ai modelli binomiali La valutazione degli strumenti finanziari derivati e, in particolare, la valutazione

Dettagli

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testualilezione 2 Le principali tecniche di analisi testuale Facendo riferimento alle tecniche di data mining,

Dettagli

Esponenziali elogaritmi

Esponenziali elogaritmi Esponenziali elogaritmi Potenze ad esponente reale Ricordiamo che per un qualsiasi numero razionale m n prendere n>0) si pone a m n = n a m (in cui si può sempre a patto che a sia un numero reale positivo.

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina Cosa è il DSS L elevato sviluppo dei personal computer, delle reti di calcolatori, dei sistemi database di grandi dimensioni, e la forte espansione di modelli basati sui calcolatori rappresentano gli sviluppi

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

1. Intorni di un punto. Punti di accumulazione.

1. Intorni di un punto. Punti di accumulazione. 1. Intorni di un punto. Punti di accumulazione. 1.1. Intorni circolari. Assumiamo come distanza di due numeri reali x e y il numero non negativo x y (che, come sappiamo, esprime la distanza tra i punti

Dettagli

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione.

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione. Grafi ed Alberi Pag. /26 Grafi ed Alberi In questo capitolo richiameremo i principali concetti di due ADT che ricorreranno puntualmente nel corso della nostra trattazione: i grafi e gli alberi. Naturale

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

Soluzione degli esercizi sul moto rettilineo uniformemente accelerato

Soluzione degli esercizi sul moto rettilineo uniformemente accelerato Liceo Carducci Volterra - Classe 3 a B Scientifico - Francesco Daddi - 8 novembre 00 Soluzione degli esercizi sul moto rettilineo uniformemente accelerato Esercizio. Un corpo parte da fermo con accelerazione

Dettagli

GUIDA OPZIONI BINARIE

GUIDA OPZIONI BINARIE GUIDA OPZIONI BINARIE Cosa sono le opzioni binarie e come funziona il trading binario. Breve guida pratica: conviene fare trading online con le opzioni binarie o è una truffa? Quali sono i guadagni e quali

Dettagli

Esercizi sul moto rettilineo uniformemente accelerato

Esercizi sul moto rettilineo uniformemente accelerato Liceo Carducci Volterra - Classe 3 a B Scientifico - Francesco Daddi - 8 novembre 010 Esercizi sul moto rettilineo uniformemente accelerato Esercizio 1. Un corpo parte da fermo con accelerazione pari a

Dettagli

GUIDA RAPIDA emagister-agora Edizione BASIC

GUIDA RAPIDA emagister-agora Edizione BASIC GUIDA RAPIDA emagister-agora Edizione BASIC Introduzione a emagister-agora Interfaccia di emagister-agora Configurazione dell offerta didattica Richieste d informazioni Gestione delle richieste d informazioni

Dettagli

La Borsa delle idee Innovare: il reale valore dei social network

La Borsa delle idee Innovare: il reale valore dei social network La Borsa delle idee Innovare: il reale valore dei social network Di cosa parliamo? La Borsa delle Idee è la soluzione per consentire alle aziende di coinvolgere attivamente le persone (dipendenti, clienti,

Dettagli

1. Scopo dell esperienza.

1. Scopo dell esperienza. 1. Scopo dell esperienza. Lo scopo di questa esperienza è ricavare la misura di tre resistenze il 4 cui ordine di grandezza varia tra i 10 e 10 Ohm utilizzando il metodo olt- Amperometrico. Tale misura

Dettagli

17 Campionato di Borsa con Denaro Reale Investiment & Trading Cup Edizione 2015

17 Campionato di Borsa con Denaro Reale Investiment & Trading Cup Edizione 2015 17 Campionato di Borsa con Denaro Reale Investiment & Trading Cup Edizione 2015 Il Campionato di Borsa con Denaro Reale, organizzato in collaborazione con Directa Sim, Binck Bank, Finanza on Line Brown

Dettagli

FUNZIONI REALI DI VARIABILE REALE e CONTINUITA Roberto Argiolas

FUNZIONI REALI DI VARIABILE REALE e CONTINUITA Roberto Argiolas FUNZIONI REALI DI VARIABILE REALE e CONTINUITA Roberto Argiolas.8.6.. - -.5.5 -. In questa dispensa ricordiamo la classificazione delle funzioni elementari e il dominio di esistenza delle stesse. Inoltre

Dettagli

con il patrocinio di in collaborazione con

con il patrocinio di in collaborazione con con il patrocinio di in collaborazione con La Traders Cup, organizzata dalla rivista TRADERS Magazine Italia punto di riferimento per il mondo del trading e dell investimento professionale, è l unica competizione

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

AUTOLIVELLI (orizzontalità ottenuta in maniera automatica); LIVELLI DIGITALI (orizzontalità e lettura alla stadia ottenute in maniera automatica).

AUTOLIVELLI (orizzontalità ottenuta in maniera automatica); LIVELLI DIGITALI (orizzontalità e lettura alla stadia ottenute in maniera automatica). 3.4. I LIVELLI I livelli sono strumenti a cannocchiale orizzontale, con i quali si realizza una linea di mira orizzontale. Vengono utilizzati per misurare dislivelli con la tecnica di livellazione geometrica

Dettagli

Laboratorio di Progettazione Esecutiva dell Architettura 2 Corso di Estimo a.a. 2007-08 Docente Renato Da Re Collaboratore: Barbara Bolognesi

Laboratorio di Progettazione Esecutiva dell Architettura 2 Corso di Estimo a.a. 2007-08 Docente Renato Da Re Collaboratore: Barbara Bolognesi Laboratorio di Progettazione Esecutiva dell Architettura 2 Corso di Estimo a.a. 2007-08 Docente Renato Da Re Collaboratore: Barbara Bolognesi Microeconomia venerdì 29 febbraio 2008 La struttura della lezione

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Curve di risonanza di un circuito

Curve di risonanza di un circuito Zuccarello Francesco Laboratorio di Fisica II Curve di risonanza di un circuito I [ma] 9 8 7 6 5 4 3 0 C = 00 nf 0 5 0 5 w [KHz] RLC - Serie A.A.003-004 Indice Introduzione pag. 3 Presupposti Teorici 5

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

METODO DELLE FORZE 1. METODO DELLE FORZE PER LA SOLUZIONE DI STRUTTURE IPERSTATICHE. 1.1 Introduzione

METODO DELLE FORZE 1. METODO DELLE FORZE PER LA SOLUZIONE DI STRUTTURE IPERSTATICHE. 1.1 Introduzione METODO DELLE FORZE CORSO DI PROGETTZIONE STRUTTURLE a.a. 010/011 Prof. G. Salerno ppunti elaborati da rch. C. Provenzano 1. METODO DELLE FORZE PER L SOLUZIONE DI STRUTTURE IPERSTTICHE 1.1 Introduzione

Dettagli

Introduzione alla Programmazione ad Oggetti in C++

Introduzione alla Programmazione ad Oggetti in C++ Introduzione alla Programmazione ad Oggetti in C++ Lezione 1 Cosa è la Programmazione Orientata agli Oggetti Metodologia per costruire prodotti software di grosse dimensioni che siano affidabili e facilmente

Dettagli

Sistemi Operativi. Interfaccia del File System FILE SYSTEM : INTERFACCIA. Concetto di File. Metodi di Accesso. Struttura delle Directory

Sistemi Operativi. Interfaccia del File System FILE SYSTEM : INTERFACCIA. Concetto di File. Metodi di Accesso. Struttura delle Directory FILE SYSTEM : INTERFACCIA 8.1 Interfaccia del File System Concetto di File Metodi di Accesso Struttura delle Directory Montaggio del File System Condivisione di File Protezione 8.2 Concetto di File File

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

Minimizzazione di Reti Logiche Combinatorie Multi-livello

Minimizzazione di Reti Logiche Combinatorie Multi-livello Minimizzazione di Reti Logiche Combinatorie Multi-livello Maurizio Palesi Maurizio Palesi 1 Introduzione Obiettivo della sintesi logica: ottimizzazione delle cifre di merito area e prestazioni Prestazioni:

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

IL MERCATO FINANZIARIO

IL MERCATO FINANZIARIO IL MERCATO FINANZIARIO Prima della legge bancaria del 1936, in Italia, era molto diffusa la banca mista, ossia un tipo di banca che erogava sia prestiti a breve che a medio lungo termine. Ma nel 1936 il

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello della Web Application 5 3 Struttura della web Application 6 4 Casi di utilizzo della Web

Dettagli

Introduzione ad Access

Introduzione ad Access Introduzione ad Access Luca Bortolussi Dipartimento di Matematica e Informatica Università degli studi di Trieste Access E un programma di gestione di database (DBMS) Access offre: un supporto transazionale

Dettagli

Guido Candela, Paolo Figini - Economia del turismo, 2ª edizione

Guido Candela, Paolo Figini - Economia del turismo, 2ª edizione 8.2.4 La gestione finanziaria La gestione finanziaria non dev essere confusa con la contabilità: quest ultima, infatti, ha come contenuto proprio le rilevazioni contabili e il reperimento dei dati finanziari,

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

Numeri reali. Funzioni e loro grafici

Numeri reali. Funzioni e loro grafici Argomento Numeri reali. Funzioni e loro grafici Parte B - Funzioni e loro grafici Funzioni reali di variabile reale Definizioni. Supponiamo che A sia un sottoinsieme di R e che esista una legge che ad

Dettagli

PRESENTARE UN IDEA PROGETTUALE

PRESENTARE UN IDEA PROGETTUALE PRESENTARE UN IDEA PROGETTUALE LINEE GUIDA PER UNA EFFICACE PRESENTAZIONE DI UN BUSINESS PLAN INTRODUZIONE ALLA GUIDA Questa breve guida vuole indicare in maniera chiara ed efficiente gli elementi salienti

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

derivati azionari guida alle opzioni aspetti teorici

derivati azionari guida alle opzioni aspetti teorici derivati azionari guida alle opzioni aspetti teorici derivati azionari guida alle opzioni aspetti teorici PREFAZIONE Il mercato italiano dei prodotti derivati 1. COSA SONO LE OPZIONI? Sottostante Strike

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca Trascrizione del testo e redazione delle soluzioni di Paolo Cavallo. La prova Il candidato svolga una relazione

Dettagli

La speculazione La speculazione può avvenire in due modi: al rialzo o al ribasso. La speculazione al rialzo è attuata da quegli operatori che,

La speculazione La speculazione può avvenire in due modi: al rialzo o al ribasso. La speculazione al rialzo è attuata da quegli operatori che, La speculazione La speculazione può avvenire in due modi: al rialzo o al ribasso. La speculazione al rialzo è attuata da quegli operatori che, prevedendo un aumento delle quotazioni dei titoli, li acquistano,

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

Esempi di algoritmi. Lezione III

Esempi di algoritmi. Lezione III Esempi di algoritmi Lezione III Scopo della lezione Implementare da zero algoritmi di media complessità. Verificare la correttezza di un algoritmo eseguendolo a mano. Imparare a valutare le prestazioni

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

Azionario Flessibile 7 anni Scheda sintetica - Informazioni specifiche 1 di 6

Azionario Flessibile 7 anni Scheda sintetica - Informazioni specifiche 1 di 6 Scheda sintetica - Informazioni specifiche 1 di 6 La parte Informazioni Specifiche, da consegnare obbligatoriamente all investitore contraente prima della sottoscrizione, è volta ad illustrare le principali

Dettagli

END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE DEL CLIENTE

END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE DEL CLIENTE END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE In un mercato delle Telecomunicazioni sempre più orientato alla riduzione delle tariffe e dei costi di

Dettagli

Problema n. 1: CURVA NORD

Problema n. 1: CURVA NORD Problema n. 1: CURVA NORD Sei il responsabile della gestione del settore Curva Nord dell impianto sportivo della tua città e devi organizzare tutti i servizi relativi all ingresso e all uscita degli spettatori,

Dettagli

IMPARA IL MERCATO IN 10 MINUTI

IMPARA IL MERCATO IN 10 MINUTI IMPARA IL MERCATO IN 10 MINUTI AVVERTENZA SUGLI INVESTIMENTI AD ALTO RISCHIO: Il Trading sulle valute estere (Forex) ed i Contratti per Differenza (CFD) sono altamente speculativi, comportano un alto livello

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

conquista il mondo in pochi minuti!

conquista il mondo in pochi minuti! conquista il mondo in pochi minuti! Il gioco di conquista e sviluppo più veloce che c è! Il gioco si spiega in meno di 1 minuto e dura, per le prime partite, non più di quindici minuti. Mai nessuno ha

Dettagli

1865 SARDINIA 1. COMPONENTI DEL GIOCO 2. PREPARAZIONE. 1865: Sardinia Rules Summary. Sunto del regolamento in italiano; Versione regole originali E

1865 SARDINIA 1. COMPONENTI DEL GIOCO 2. PREPARAZIONE. 1865: Sardinia Rules Summary. Sunto del regolamento in italiano; Versione regole originali E 1865 SARDINIA Sunto del regolamento in italiano; Versione regole originali E Attenzione: il regolamento originale va comunque letto. Il presente sunto ha il solo scopo di fare da introduzione e veloce

Dettagli

Calc è il programma per la gestione di fogli di calcolo della suite OpenOffice.org.

Calc è il programma per la gestione di fogli di calcolo della suite OpenOffice.org. Calc è il programma per la gestione di fogli di calcolo della suite OpenOffice.org. Nuovo documento Anteprima di stampa Annulla Galleria Apri Controllo ortografico Ripristina Sorgente dati Salva Controllo

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Indicizzazione terza parte e modello booleano

Indicizzazione terza parte e modello booleano Reperimento dell informazione (IR) - aa 2014-2015 Indicizzazione terza parte e modello booleano Gruppo di ricerca su Sistemi di Gestione delle Informazioni (IMS) Dipartimento di Ingegneria dell Informazione

Dettagli

La fattoria delle quattro operazioni

La fattoria delle quattro operazioni IMPULSIVITÀ E AUTOCONTROLLO La fattoria delle quattro operazioni Introduzione La formazione dei bambini nella scuola di base si serve di numerosi apprendimenti curricolari che vengono proposti allo scopo

Dettagli

Strategie competitive ed assetti organizzativi nell asset management

Strategie competitive ed assetti organizzativi nell asset management Lezione di Corporate e Investment Banking Università degli Studi di Roma Tre Strategie competitive ed assetti organizzativi nell asset management Massimo Caratelli, febbraio 2006 ma.caratelli@uniroma3.it

Dettagli

CONSIGLIO NAZIONALE DEI DOTTORI COMMERCIALISTI E CONSIGLIO NAZIONALE DEI RAGIONIERI

CONSIGLIO NAZIONALE DEI DOTTORI COMMERCIALISTI E CONSIGLIO NAZIONALE DEI RAGIONIERI CONSIGLIO NAZIONALE DEI DOTTORI COMMERCIALISTI E CONSIGLIO NAZIONALE DEI RAGIONIERI COMMISSIONE PARITETICA PER I PRINCIPI DI REVISIONE LA COMPRENSIONE DELL IMPRESA E DEL SUO CONTESTO E LA VALUTAZIONE DEI

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 1.1 Che cos è un algoritmo CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 Gli algoritmi sono metodi per la soluzione di problemi. Possiamo caratterizzare un problema mediante i dati di cui si dispone all inizio

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

Introduzione Metodo POT

Introduzione Metodo POT Introduzione Metodo POT 1 Un recente metodo di analisi dei valori estremi è un metodo detto POT ( Peak over thresholds ), inizialmente sviluppato per l analisi dei dati idrogeologici a partire dalla seconda

Dettagli

INTRODUZIONE, LINGUAGGIO, HANDS ON. Giuseppe Cirillo g.cirillo@unina.it

INTRODUZIONE, LINGUAGGIO, HANDS ON. Giuseppe Cirillo g.cirillo@unina.it INTRODUZIONE, LINGUAGGIO, HANDS ON Giuseppe Cirillo g.cirillo@unina.it Il linguaggio C 1972-Dennis Ritchie 1978-Definizione 1990-ANSI C 1966 Martin Richars (MIT) Semplificando CPL usato per sviluppare

Dettagli

POLICY DI ESECUZIONE E TRASMISSIONE DEGLI ORDINI. Versione 9.0 del 09/03/2015. Aggiornata dal CDA nella seduta del 30/03/2015

POLICY DI ESECUZIONE E TRASMISSIONE DEGLI ORDINI. Versione 9.0 del 09/03/2015. Aggiornata dal CDA nella seduta del 30/03/2015 POLICY DI ESECUZIONE E TRASMISSIONE DEGLI ORDINI Versione 9.0 del 09/03/2015 Aggiornata dal CDA nella seduta del 30/03/2015 1 INDICE PREMESSA... 3 1. Significato di Best Execution... 3 2. I Fattori di

Dettagli

DailyFX Strategies. Il metodo dei 4 punti. How to Analyze and Trade Ranges with Price Action (Title) Matteo Paganini, Chief Analyst DailyFX

DailyFX Strategies. Il metodo dei 4 punti. How to Analyze and Trade Ranges with Price Action (Title) Matteo Paganini, Chief Analyst DailyFX DailyFX Strategies Il metodo dei 4 punti Matteo Paganini, Chief Analyst DailyFX How to Analyze and Trade Ranges with Price Action (Title) Il metodo dei 4 punti Matteo Paganini INTRO Dopo anni di ricerca

Dettagli

Svolgimento del gioco. Un gioco di Matthias Cramer per 2-5 persone dai 10 anni

Svolgimento del gioco. Un gioco di Matthias Cramer per 2-5 persone dai 10 anni Un gioco di Matthias Cramer per 2-5 persone dai 10 anni Anno 1413 Il nuovo re d'inghilterra, Enrico V di Lancaster persegue gli ambiziosi progetti di unificare l'inghilterra e di conquistare la corona

Dettagli

Ottimizzazione della gestione del data center con Microsoft System Center

Ottimizzazione della gestione del data center con Microsoft System Center Ottimizzazione della gestione del data center con Microsoft System Center Declinazione di responsabilità e informazioni sul copyright Le informazioni contenute nel presente documento rappresentano le conoscenze

Dettagli

DAT@GON. Gestione Gare e Offerte

DAT@GON. Gestione Gare e Offerte DAT@GON Gestione Gare e Offerte DAT@GON partecipare e vincere nel settore pubblico La soluzione sviluppata da Revorg per il settore farmaceutico, diagnostico e di strumentazione medicale, copre l intero

Dettagli

Università di Venezia Corso di Laurea in Informatica. Marco Fusaro KPMG S.p.A.

Università di Venezia Corso di Laurea in Informatica. Marco Fusaro KPMG S.p.A. Università di Venezia Corso di Laurea in Informatica Laboratorio di Informatica Applicata Introduzione all IT Governance Lezione 5 Marco Fusaro KPMG S.p.A. 1 CobiT: strumento per la comprensione di una

Dettagli

Rischio e Volatilità

Rischio e Volatilità 2 Meeting annuale SellaAdvice Trading Rho,, 20 novembre 2004 Rischio e Volatilità Relatore: Maurizio Milano Da dove deve partire un analisi tecnica operativa a supporto di un attività di trading? L elemento

Dettagli

VALORE DELLE MERCI SEQUESTRATE

VALORE DELLE MERCI SEQUESTRATE La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune

Dettagli

METODO PER LA COMPILAZIONE DELLE CLASSIFICHE FEDERALI 2014

METODO PER LA COMPILAZIONE DELLE CLASSIFICHE FEDERALI 2014 METODO PER LA COMPILAZIONE DELLE CLASSIFICHE FEDERALI 2014 PERIODO TEMPORALE CONSIDERATO Viene considerata tutta l attività svolta dalla prima settimana di novembre 2012 (5 11 novembre 2012 ), all ultima

Dettagli

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.

Dettagli

Le Opzioni. Caratteristiche delle opzioni. Sottostante

Le Opzioni. Caratteristiche delle opzioni. Sottostante Le Caratteristiche delle opzioni...1 I fattori che influenzano il prezzo di un opzione...4 Strategie di investimento con le opzioni...5 Scadenza delle opzioni...6 Future Style...7 Schede prodotto...8 Mercato

Dettagli

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA SVILUPPO DI METODI DECONVOLUTIVI PER L INDIVIDUAZIONE DI SORGENTI INDIPENDENTI

Dettagli

White Paper. Operational DashBoard. per una Business Intelligence. in real-time

White Paper. Operational DashBoard. per una Business Intelligence. in real-time White Paper Operational DashBoard per una Business Intelligence in real-time Settembre 2011 www.axiante.com A Paper Published by Axiante CAMBIARE LE TRADIZIONI C'è stato un tempo in cui la Business Intelligence

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Risposte canoniche e sistemi elementari Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1

Dettagli

Appendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi

Appendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi Appendice III (articolo 5, comma 1 e art. 22 commi 5 e 7) Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi 1. Tecniche di modellizzazione 1.1 Introduzione. In generale,

Dettagli

La MKT (Mean Kinetic Temperature) come criterio di accettabilità sui controlli della temperatura

La MKT (Mean Kinetic Temperature) come criterio di accettabilità sui controlli della temperatura La (Mean Kinetic Temperature) come criterio di accettabilità sui controlli della temperatura Come funzionano i criteri di valutazione sulla temperatura Vi sono 5 parametri usati per la valutazione del

Dettagli

INFORMATIVA FINANZIARIA

INFORMATIVA FINANZIARIA Capitolo 10 INFORMATIVA FINANZIARIA In questa sezione sono riportate le quotazioni e le informazioni relative ai titoli inseriti nella SELEZIONE PERSONALE attiva.tramite la funzione RICERCA TITOLI è possibile

Dettagli

Il lavoro. 4.1 L attività e l inattività della popolazione

Il lavoro. 4.1 L attività e l inattività della popolazione Capitolo 4 L analisi del territorio nella programmazione degli interventi di sviluppo agricolo capitolo 4 Il lavoro Gli indicatori presentati in questo capitolo riguardano la condizione di occupazione.

Dettagli

I.Stat Guida utente Versione 1.7 Dicembre 2010

I.Stat Guida utente Versione 1.7 Dicembre 2010 I.Stat Guida utente Versione 1.7 Dicembre 2010 1 Sommario INTRODUZIONE 3 I concetti principali di I.Stat 4 Organizzazione dei dati 4 Ricerca 5 GUIDA UTENTE 6 Per iniziare 6 Selezione della lingua 7 Individuazione

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

Analisi Mat. 1 - Ing. Inform. - Soluzioni del compito del 23-3-06

Analisi Mat. 1 - Ing. Inform. - Soluzioni del compito del 23-3-06 Analisi Mat. - Ing. Inform. - Soluzioni del compito del 3-3-6 Sia p il polinomio di quarto grado definito da pz = z 4. Sia S il settore circolare formato dai numeri complessi che hanno modulo minore o

Dettagli

1 LA CORRENTE ELETTRICA CONTINUA

1 LA CORRENTE ELETTRICA CONTINUA 1 LA CORRENTE ELETTRICA CONTINUA Un conduttore ideale all equilibrio elettrostatico ha un campo elettrico nullo al suo interno. Cosa succede se viene generato un campo elettrico diverso da zero al suo

Dettagli

(Atti non legislativi) REGOLAMENTI

(Atti non legislativi) REGOLAMENTI 24.12.2013 Gazzetta ufficiale dell Unione europea L 352/1 II (Atti non legislativi) REGOLAMENTI REGOLAMENTO (UE) N. 1407/2013 DELLA COMMISSIONE del 18 dicembre 2013 relativo all applicazione degli articoli

Dettagli

Regolamento Nazionale Specialità "POOL 8-15" ( Buche Strette )

Regolamento Nazionale Specialità POOL 8-15 ( Buche Strette ) Regolamento Nazionale Specialità "POOL 8-15" ( Buche Strette ) SCOPO DEL GIOCO : Questa specialità viene giocata con 15 bilie numerate, dalla n 1 alla n 15 e una bilia bianca (battente). Un giocatore dovrà

Dettagli

Business Intelligence. Il data mining in

Business Intelligence. Il data mining in Business Intelligence Il data mining in L'analisi matematica per dedurre schemi e tendenze dai dati storici esistenti. Revenue Management. Previsioni di occupazione. Marketing. Mail diretto a clienti specifici.

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Analisi della comunicazione del gioco nella sua evoluzione

Analisi della comunicazione del gioco nella sua evoluzione Nel nostro Paese il gioco ha sempre avuto radici profonde - Caratteristiche degli italiani in genere - Fattori difficilmente riconducibili a valutazioni precise (dal momento che propensione al guadagno

Dettagli

Universita' di Ferrara Dipartimento di Matematica e Informatica. Algoritmi e Strutture Dati. Rappresentazione concreta di insiemi e Hash table

Universita' di Ferrara Dipartimento di Matematica e Informatica. Algoritmi e Strutture Dati. Rappresentazione concreta di insiemi e Hash table Universita' di Ferrara Dipartimento di Matematica e Informatica Algoritmi e Strutture Dati Rappresentazione concreta di insiemi e Hash table Copyright 2006-2015 by Claudio Salati. Lez. 9a 1 Rappresentazione

Dettagli