Nei mercati finanziari sono presenti diversi indici relativi alla volatilità dei mercati che a volte forniscono informazioni conflittuali riguardo l'andamento degli stessi. Gli investitori si trovano dunque a non aver un unico indice della misura di rischio di riferimento per determinare le proprie strategie d'investimento. Obiettivo di questo studio ਠanalizzare attraverso algoritmi di machine learning supervised l'andamento di tali indici cercando di coglierne le principali criticità . Per l'implementazione dello studio sono stati utilizzati 5 differenti algoritmi Fuzzy Rule-Based System con compiti di classificazione. I principali risultati mostrano come tali algoritmi non siano in grado di replicare in modo preciso l'andamento dei mercati a causa delle informazioni conflittuali presenti nei vari indici.
Algoritmi di machine learning e applicazione in campo finanziario
2019
Abstract
Nei mercati finanziari sono presenti diversi indici relativi alla volatilità dei mercati che a volte forniscono informazioni conflittuali riguardo l'andamento degli stessi. Gli investitori si trovano dunque a non aver un unico indice della misura di rischio di riferimento per determinare le proprie strategie d'investimento. Obiettivo di questo studio ਠanalizzare attraverso algoritmi di machine learning supervised l'andamento di tali indici cercando di coglierne le principali criticità . Per l'implementazione dello studio sono stati utilizzati 5 differenti algoritmi Fuzzy Rule-Based System con compiti di classificazione. I principali risultati mostrano come tali algoritmi non siano in grado di replicare in modo preciso l'andamento dei mercati a causa delle informazioni conflittuali presenti nei vari indici.| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi_StefanoLasagni.pdf
accesso solo da BNCF e BNCR
Tipologia:
Altro materiale allegato
Licenza:
Tutti i diritti riservati
Dimensione
1.61 MB
Formato
Adobe PDF
|
1.61 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14242/306867
URN:NBN:IT:UNIMORE-306867