Intelligenza artificiale applicata ai mercati finanziari: cluster analysis e reti neurali per individuare bolle speculative

Nell’ultimo secolo il mercato azionario è stato più volte colpito da crolli importanti che hanno messo in ginocchio le principali economie mondiali provocando lunghe crisi. Questi eventi sono quasi sempre la conseguenza dello sviluppo e dello scoppio di bolle speculative, ovvero fasi di mercato in cui i prezzi aumentano considerevolmente senza una reale giustificazione nei fondamentali dei titoli sottostanti. La teoria dei mercati efficienti, il paradigma dominante fino all’inizio degli anni ’90, non fornisce spiegazioni adatte a giustificare l’esistenza di questi fenomeni, ed è quindi necessario rivolgersi alla finanza comportamentale per cercare di capirne le cause e i sintomi. Tuttavia, anche con strumenti sempre più sofisticati, negli ultimi vent’anni il mercato ha subito due violenti crolli a causa dello scoppio di bolle speculative. Gli studi più recenti e innovativi, quindi, cercano di applicare l’intelligenza artificiale al mercato finanziario per riconoscere e gestire meglio queste anomalie. Lo scopo di questo elaborato è creare un modello in grado di individuare la presenza di bolle speculative all’interno del mercato azionario, utilizzando elementi di statistica multivariata, come la cluster analysis, e le reti neurali artificiali, dei modelli matematici che tentano di emulare il funzionamento del cervello umano per risolvere problemi molto complessi e dalla struttura non lineare. Nella prima parte saranno presentate le principali teorie economiche riguardo le dinamiche del mercato azionario e i movimenti dei prezzi; nella seconda parte saranno approfondite le tecnologie utilizzate, concentrandosi soprattutto sulle reti neurali; nella terza parte verrà descritta la costruzione del modello con l’implementazione di una rete neurale ricorrente LSTM, e infine saranno commentati i risultati ottenuti inserendoli nel contesto attuale.