logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-07022018-120058


Tipo di tesi
Tesi di laurea magistrale
Autore
GASPERINI, MARCO
URN
etd-07022018-120058
Titolo
Realizzazione e comparazione di architetture software per l'analisi dell'andamento dei mercati finanziari basate su machine learning e metodi analitici
Dipartimento
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
COMPUTER ENGINEERING
Relatori
relatore Prof. Cimino, Mario Giovanni Cosimo Antonio
relatore Prof.ssa Vaglini, Gigliola
relatore Ing. Pasini, Sauro
relatore Ing. Monaco, Manilo
Parole chiave
  • analisi mercati finanziari
  • analisi tecnica
  • andamenti finanziari
  • arima
  • garch
  • machine learning
  • previsioni finanziarie
  • reti neurali
  • riconoscimento pattern
  • serie finanziarie
  • support vector machine
Data inizio appello
20/07/2018
Consultabilità
Non consultabile
Data di rilascio
20/07/2088
Riassunto
Questo lavoro di tesi è incentrato sullo studio e l'implementazione di metodologie predittive, applicate a dati finanziari relativi all’indice di borsa FTSE-MIB e finalizzate alla realizzazione di un sistema di analisi degli andamenti dei mercati finanziari. Le metodologie trattate riguardano sia modelli analitici e statistici sia modelli di intelligenza artificiale basati su tecniche di apprendimento automatico (machine learning), quali reti neurali e support vector machine. Le tecniche sperimentate appartengono a due diverse categorie,basate su due diversi approcci: un approccio di tipo agnostico per effettuare previsioni di valori futuri dell’indice azionario e in base a essi stabilire l'andamento futuro nel breve termine; l’altro basato sul riconoscimento di specifici pattern caratterizzanti l’andamento dell’indice finanziario e tipici dell'analisi tecnica finanziaria, usando modelli basati sul machine learning.
Per quanto riguarda il primo approccio, esso non risulta in grado di distinguere correttamente gli andamenti futuri.
Il lavoro svolto sul riconoscimento di due pattern, invece, mostra come il secondo approccio porti a risultati migliori, avendo un’ottima accuratezza in termini di classificazioni corrette.
Inoltre, provando a aggiungere due nuove figure da riconoscere, viene mostrata la scalabilità del sistema, in grado di fornire ottimi risultati anche all’aumentare del numero dei pattern.
File