logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-05202021-120314


Tipo di tesi
Tesi di laurea magistrale
Autore
KOLA, MARIN
URN
etd-05202021-120314
Titolo
Applicazione della Sentiment Analysis per la stima del Value at Risk
Dipartimento
ECONOMIA E MANAGEMENT
Corso di studi
STRATEGIA, MANAGEMENT E CONTROLLO
Relatori
relatore Prof. D'Onza, Giuseppe
Parole chiave
  • Intelligenza Artificiale
  • Rischi Finanziario
  • Risk Management
  • Sentiment Analysis
  • Value at Risk
Data inizio appello
07/06/2021
Consultabilità
Tesi non consultabile
Riassunto
Il Value at Risk (VaR) è una misura di rischio che permette di stimare la massima perdita potenziale che uno strumento finanziario o un portafoglio di strumenti finanziari può subire entro un determinato intervallo temporale (solitamente un giorno) e ad un certo intervallo di confidenza (per esempio 95% o 99%). Essa venne resa nota al pubblico nel 1994 dall’istituzione finanziaria J.P. Morgan con la pubblicazione del manuale RiskMetricsTM. Tale tecnica ebbe un impatto rivoluzionario sul processo di Risk Management, poiché pose le basi per la definizione del rischio, in termini generali, come ammontare di perdita inattesa.
Nella presente tesi, inizialmente è stata fatta una breve introduzione sul tema del Risk Management definendo il concetto di rischio e suddividendolo nei vari significati che esso può assumere dal punto di vista finanziario. Nello specifico sono stati analizzati i principali caratteri definitori dei rischi di mercato, i quali riguardano tutte le attività e passività finanziarie detenute da un’istituzione finanziaria, incluse quelle acquisite per finalità di investimento e presenti nel bilancio anche nel lungo periodo. Il rischio di mercato può essere associato ai mercati finanziari, delle materie prime, delle criptovalute, considerando che il rischio è presente sull’intero mercato e non solo su determinati asset, la diversificazione del portafoglio potrebbe ridurlo ma non eliminarlo del tutto.
Successivamente è stato descritto uno dei principali strumenti utilizzati per la sua misurazione, ovvero il Value at Risk (VaR). Si andrà a descrivere il contesto normativo in cui nacque il VaR, ad illustrare la sua storia e la definizione di tale indicatore, per poi focalizzarsi sui diversi approcci che possono essere impiegati per la sua stima e sulle diverse tipologie esistenti di questa misura.
La metodologia descritta in RiskMetricsTM per la stima del rischio di mercato è ancora oggi molto valida e utilizzata nel panorama bancario mondiale. Tuttavia, si è deciso di fare un’analisi per stimare il VaR applicato a un titolo azionario altamente liquidabile attraverso tecniche di sentiment analysis.
In particolare, le tecniche di sentiment analysis sono state applicate ai dati estrapolati dal social network Twitter, utilizzando due approcci differenti. Il primo basato su regole create manualmente, in particolare viene utilizzato un dizionario che mappa le parole al sentiment, ovvero le parole sono etichettate in base al loro orientamento semantico come positivo o negative attraverso dei punteggi.
Il secondo approccio, invece, impiega tecniche di apprendimento automatico che permettono di catturare il contesto in cui si trovano le parole attraverso la creazione di incorporamenti di parole (word embedding) dove parole semanticamente simili sono rappresentate utilizzando vettori simili.
I risultati ottenuti nella fase di sentiment analysis sono rappresentati da punteggi i quali sono in seguito utilizzati per l’addestramento di un modello che impiega tecniche di intelligenza artificiale in modo da stimare la volatilità dei prezzi del titolo azionario utilizzando dati ad alta frequenza (rilevazioni dei prezzi ogni 5 minuti) ed infine calcolare il VaR. In particolare, per la creazione del modello sono state utilizzate le reti neurali ricorrenti, particolarmente adatte per dati sequenziali come le serie temporali.
Infine, questo approccio è stato confrontato con il metodo tradizionale per la stima del VaR, il quale utilizza la volatilità storica delle movimentazioni dei prezzi. I risultati ottenuti mostrano che l’approccio che impiega la sentiment analysis permette di ottenere una stima più accurata rispetto al metodo tradizionale.
File