Riassunto analitico
La profilazione della clientela finanziaria, ovvero l’individuazione di un profilo di rischio per ogni investitore che richieda servizi di consulenza e/o di gestione di portafoglio, è un passaggio fondamentale, cui ogni impresa d’investimento deve conformarsi nello svolgimento delle proprie attività. A partire dal 2007, con l’entrata in vigore delle normative dettate dalla MiFID, il legislatore comunitario ha prestato un’attenzione crescente alla tutela dell’investitore, che ha portato alla recente introduzione della Direttiva n. 2014/65/UE, ovvero la MiFID II. L’obiettivo fondamentale della nuova Direttiva, è rimasto quello di tutelare l’investitore e di assicurare la trasparenza nei rapporti che si instaurano tra questo e l’intermediario. Una corretta classificazione della clientela finanziaria, è sì un obbligo imposto dal legislatore, ma anche un metodo per l’impresa d’investimento di costruire un rapporto di fiducia con il cliente, che inevitabilmente porta ad una maggior stabilità delle risorse disponibili. Non va inoltre tralasciata l’importanza che una corretta classificazione, in fase di accertamento dell’adeguatezza, ha per il cliente, che solo in tal modo può perseguire gli obiettivi che si è preposto, evitando l’insorgere di situazioni non allineate alla sua propensione al rischio.
L’informazione acquisita dai clienti è rappresentata principalmente da espressioni linguistiche, caratterizzate da limiti non definibili in modo netto. Le sfumature costituiscono quindi parte integrante dell’informazione complessiva che l’intermediario riceve dal cliente. L’utilizzo di una logica fuzzy, o più precisamente di sistemi di classificazione basati su regole fuzzy nell’elaborazione delle informazioni fornite dai clienti finanziari, permette di coglierne tali sfumature, consentendo quindi al sistema di usufruire di una base d’informazione più ampia, che consente una maggior accuratezza nella classificazione.
L’elaborato avrà la seguente struttura: nel Capitolo 1 si procederà ad introdurre la logica e la matematica fuzzy, per comprendere gli elementi alla base dei sistemi che ci si appresta ad analizzare. Nel Capitolo 2 verranno presentati i principali sistemi di inferenza basati su regole fuzzy, ovvero Fuzzy Rule-Based Systems, assieme ad un’analisi dei loro elementi caratterizzanti. Nel Capitolo 3 sarà implementato un Fuzzy Expert System, ovvero un sistema di classificazione basato su regole fuzzy, che propone un metodo alternativo per procedere alla classificazione della clientela finanziaria. Nel Capitolo 4 saranno presentati diversi metodi per la generazione di un Fuzzy Rule-Based System. Infine nel Capitolo 5 saranno implementate in R, con il pacchetto frbs, le tecniche di apprendimento che permettono di generare Fuzzy Rule-Based Classification Systems, ovvero sistemi di inferenza basati su regole fuzzy, la cui finalità è la classificazione degli elementi.
|
