Previsione dei trend degli indici azionari mediante clustering e machine learning

Prima dell'avvento delle tecniche del Machine Learning, al fine di prevedere l'andamento degli indici azionari, gli analisti si sono sempre affidati a semplici metodi di regressione ed analisi tecnica, identificando pattern comuni e diverse metriche in grado di variare dinamicamente in base alla storia passata. Solo di recente sono stati impiegati dei metodi di machine learning in grado di prevedere l'andamento dei mercati con discreta precisione, superando i metodi tradizionali di analisi manuale, attraverso i quali non è possibile tener conto di tutti gli indicatori in gioco. In particolare, modelli basati su reti neurali come Long-Short-Term-Memory (LSTM) sono molto utilizzati in questo campo, perché in grado di restituire risultati soddisfacenti nel breve termine. In questo studio di tesi si intende comparare diversi metodi di machine learning con e senza reti neurali, uniti a dei metodi di clustering per avere una sufficiente quatità di dati, al fine di identificare ed ottimizzare il miglior metodo per la previsione dell'andamento dei mercati.