Pubblicati i risultati di un esperimento portato avanti con l’Università di Pisa frutto di un’analisi su 224 piattaforme si scambio. Grazie a un sistema neurale basato su machine learning e intelligenza artificiale rilevate diverse anomalie. “Potente sostegno alle analisi delle autorità”
In che modo le applicazioni di intelligenza artificiale possono lavorare a supporto della vigilanza sui mercati, in particolare per l’identificazione di potenziali casi di insider trading? Prova a rispondere alla domanda il nuovo quaderno Fintech della Consob “Dimensionally reduction techniques to support insider trading detection“, pubblicato sul sito della commissione.
Nello specifico, lo studio – basato su un data set anonimizzato e condotto in collaborazione con la Scuola Normale Superiore di Pisa – affronta il problema di identificazione di potenziali casi di insider trading e “propone un approccio metodologico diverso rispetto ai precedenti studi che hanno fatto uso di tecniche di unsupervised machine learning: in questo caso, infatti, viene applicata la tecnica di decomposizione e successiva ricostruzione di una serie temporale di dati attraverso l’analisi delle ‘componenti principali’ (Pca, Principal Component Analysis), e l’uso di autoencoders, in relazione alle posizioni assunte da gruppi di investitori in un determinato titolo azionario in prossimità di un evento price sensitive”, spiega la Consob in una nota.
