Francesco Cassai
Sviluppo Predittore di Volatilità Realizzata tramite Machine Learning e Metodi Statistici = Development of Realized Volatility Predictor through Machine Learning and Statistical Methods.
Rel. Paolo Brandimarte. Politecnico di Torino, UNSPECIFIED, 2024
Abstract: |
La tesi in oggetto è stata sviluppata presso Sella Financial Markets, divisione del gruppo Sella che si occupa di trading in conto proprio sui mercati finanziari e svolge attività di market making per fornire liquidità ai mercati e migliorarne l’efficienza. L'obiettivo della tesi è di stimare la volatilità realizzata intraday di diversi asset finanziari e di sviluppare metodi statistici e modelli di machine learning per la sua predizione, utilizzando dati granulari ad alta frequenza dei mercati finanziari, come order book e trade. Data la non osservabilità della volatilità, il processo di stima è fondamentale per definire uno stimatore il più possibile corretto, che non presenti bias intrinsechi o una varianza elevata. Nel lavoro sono studiati e analizzati i principali stimatori conosciuti in letteratura. Nella parte di predizione sono sviluppati modelli di classificazione binaria, in cui l'obiettivo è predire se la volatilità realizzata salirà oppure scenderà nel breve periodo. Alla fine del lavoro sono paragonati i risultati ottenuti su insiemi test out-of-sample per tre diversi modelli: HAR-D, principale modello econometrico per la stima della volatilità intraday; XGBoost, modello di machine learning basato sul framework del gradient boosting; Long Short-Term Memory, rete neurale usata per trattare le serie temporali. |
---|---|
Relators: | Paolo Brandimarte |
Academic year: | 2023/24 |
Publication type: | Electronic |
Number of Pages: | 84 |
Additional Information: | Tesi secretata. Fulltext non presente |
Subjects: | |
Corso di laurea: | UNSPECIFIED |
Classe di laurea: | New organization > Master science > LM-44 - MATHEMATICAL MODELLING FOR ENGINEERING |
Aziende collaboratrici: | Banca Sella Holding Spa |
URI: | http://webthesis.biblio.polito.it/id/eprint/30371 |
Modify record (reserved for operators) |