Marco Povero
Self-tuning di un trading system azionario basato su tecniche di machine learning = Self-tuning of a stock trading system based on machine learning techniques.
Rel. Luca Cagliero, Paolo Garza. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2020
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (4MB) | Preview |
Abstract
Il trading quantitativo è una strategia di investimento in cui si impiegano software e strumenti di analisi automatica dei dati finanziari per riuscire ad operare sui mercati in modo sistematico. Combinare il trading quantitativo e il data mining, che studia come estrarre informazioni implicite e nascoste all'interno di grandi quantità di dati, significa elaborare i dati finanziari attraverso algoritmi di machine learning e generare automaticamente i modelli matematici che permettono di riconoscere opportunità di investimento e supportare le decisioni di trading. Uno dei più grandi benefici del trading quantitativo è quello di poter usare i dati storici per validare una strategia di investimento, simulando quanto si sarebbe potuto guadagnare se si fosse applicato uno specifico modello nel passato.
Nonostante ciò, la natura dinamica e aleatoria dei mercati azionari rende complesso, anche per i trader sistematici, individuare il modello più adatto alla previsione dell'andamento futuro delle azioni
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
