logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-11222025-173650


Tipo di tesi
Tesi di laurea magistrale
Autore
MALUCCHI, LORENZO
URN
etd-11222025-173650
Titolo
La mitigazione dei bias comportamentali negli investimenti: analisi del ruolo dei robo-advisor
Dipartimento
ECONOMIA E MANAGEMENT
Corso di studi
BANCA, FINANZA AZIENDALE E MERCATI FINANZIARI
Relatori
relatore Prof.ssa Giannetti, Caterina
Parole chiave
  • Anchoring bias
  • Availability bias
  • Behavioral finance
  • Bias
  • Consulenza finanziaria
  • Financial advice
  • Finanza comportamentale
  • Investor profiling
  • Loss aversion
  • MiFID II
  • Overconfidence
  • Profilazione dell’investitore
  • Robo-advisor
Data inizio appello
10/12/2025
Consultabilità
Non consultabile
Data di rilascio
10/12/2095
Riassunto
La tesi analizza il ruolo dei robo-advisor nella mitigazione dei bias comportamentali, valutando come la consulenza automatizzata possa favorire decisioni più razionali. Il primo capitolo introduce il passaggio dalla finanza tradizionale a quella comportamentale, evidenziando i limiti dei modelli classici e approfondendo i principali bias che influenzano gli investitori, come loss aversion, availability, anchoring e overconfidence. Il secondo capitolo esamina la consulenza finanziaria e l’evoluzione dei robo-advisor, illustrando quadro normativo, processi di profilazione e costruzione del portafoglio. Il terzo capitolo raccoglie le evidenze più recenti sull’efficacia dei robo-advisor nel ridurre i bias: emergono risultati positivi per la maggior parte delle distorsioni, mentre l’overconfidence appare più difficile da mitigare. La tesi si conclude con proposte per potenziarne l’efficacia futura.

The thesis analyzes the role of robo-advisors in mitigating behavioral biases, assessing how automated financial advice can promote more rational decision-making. The first chapter introduces the shift from traditional finance to behavioral finance, highlighting the limits of classical models and examining the main biases that affect investors such as loss aversion, availability bias, anchoring bias, and overconfidence. The second chapter examines financial advice and the evolution of robo-advisors, outlining the regulatory framework, the investor profiling process, and portfolio construction. The third chapter summarizes recent evidence on the effectiveness of robo-advisors in reducing biases: results are positive for most distortions, while overconfidence remains more difficult to mitigate. The thesis concludes with proposals to further enhance the potential of robo-advisors in the future.
File