polito.it
Politecnico di Torino (logo)

Studio di sistemi per il trading intraday basato su tecniche di classificazione e pattern recognition = Study of systems for intraday trading based on classification techniques and pattern recognition

Erika Pastorelli

Studio di sistemi per il trading intraday basato su tecniche di classificazione e pattern recognition = Study of systems for intraday trading based on classification techniques and pattern recognition.

Rel. Luca Cagliero, Paolo Garza. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Matematica, 2018

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Document access: Anyone
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (2MB) | Preview
Abstract:

Da molti anni ormai, lo sviluppo della "Tecnologia dell'informazione" ha reso possibile la memorizzazione di una grande mole di dati di ogni genere, la cui eterogeneità e complessità ne rende impossibile una comprensione adeguata. Da qui nasce l'esigenza di applicare strumenti che rendano immediati lo studio e l’estrazione di informazioni potenzialmente utili; uno tra tutti il data mining. Un ambito di forte interesse per il data mining è certamente quello finanziario la cui forte digitalizzazione quotidianamente permette a chiunque di potere accedere alle notizie e ai dati di mercato in tempo reale. In tale contesto prende sempre più piede la pratica del trading online, in cui i principali strumenti di apprendimento automatico giocano un ruolo fondamentale: obiettivo primario è riuscire a prevedere l'andamento dei prezzi, al fine di rendere profittevole il proprio investimento. La tesi si incentra sulla progettazione di un sistema di trading in grado di generare automaticamente segnali di trading intraday sul mercato azionario (ad es. compra l'azione X se il suo prezzo salirà nelle prossime 24 ore), in base all'andamento del mercato, essi possono essere di tipo long (scommetto al rialzo sul prezzo di una azione) o short (scommetto al ribasso). Il sistema proposto si basa sull'applicazione di tecniche di classificazione per predire il range di variazione futuro di un'azione (ad es., si predice per l'azione X una variazione percentuale giornaliera del prezzo maggiore dell'1%). In base alle predizioni effettuate si individua un sottoinsieme di azioni potenzialmente profittevoli nel breve periodo. Il lavoro di tesi estende un precedente lavoro di ricerca finalizzato ad individuare gli algoritmi di classificazione più accurati: esso integra uno step di pattern recognition applicato ai segnali storici (prezzo minimo, massimo, di apertura e chiusa di giornata), relativo ai pattern grafici dell’Analisi Tecnica (rialzisti o ribassisti), comunemente usati nel trading azionario. In particolare, si analizzano i miglioramenti che questo step comporta in termini di profitto, cercando di comprendere come occorre integrare i pattern grafici all'interno del trading system basato su algoritmi di classificazione, in quali istanti temporali passati è opportuno analizzare la presenza di pattern grafici e come incide l'affidabilità dei pattern grafici sulle performance del trading system. Vari esperimenti a riguardo hanno evidenziato che l'analisi basata su pattern grafici di analisi tecnica migliora le prestazioni del sistema, nello specifico la presenza dei pattern grafici è da ricercarsi nei giorni che precedono nell'immediato quello di predizione, e deve limitarsi ad un sottoinsieme di pattern ad alta affidabilità. Inoltre, l'integrazione di tali pattern risulta leggermente più efficace se utilizzata a posteriori rispetto alla classificazione. Le analisi sono state eseguite su tre anni differenti: 2011 (trend ribassista), 2013 (trend rialzista), 2015 (trend misto), e su due indici (FTSE MIB e S&P500), ipotizzando per ciascun anno due posizioni di investimento (long e short).

Relators: Luca Cagliero, Paolo Garza
Academic year: 2017/18
Publication type: Electronic
Number of Pages: 70
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Matematica
Classe di laurea: New organization > Master science > LM-44 - MATHEMATICAL MODELLING FOR ENGINEERING
Ente in cotutela: ECOLE POLYTECHNIQUE FEDERALE DE LAUSANNE - EPFL (SVIZZERA)
Aziende collaboratrici: UNSPECIFIED
URI: http://webthesis.biblio.polito.it/id/eprint/7654
Modify record (reserved for operators) Modify record (reserved for operators)