La tesi tratta lo studio e l’analisi del mercato delle materie prime applicato all’intelligenza artificiale. In prima battuta si è analizzato il mercato delle commodity in generale, spiegando il meccanismo che regola la relazione tra i prezzi spot e future e fornendo una panoramica dei macro-fattori che influenzano la formazione dei prezzi. Successivamente sono state selezionate cinque commodity (cotone, oro, petrolio, rame e soia). Per ciascuna di esse sono stati approfonditi il mercato di riferimento a livello mondiale e i vari campi di applicazione. Nel terzo capitolo è stata valutata l’efficienza del mercato in forma debole attraverso il Variance Ratio Test e la regressione lineare. Nel quarto capitolo si è analizzato il comportamento matematico dei neuroni all’interno di una rete neurale e successivamente si è studiato il funzionamento dell’algoritmo di Backpropagation. Nel capitolo quinto, dopo avere individuato il modello LSTM e approfondito il suo comportamento nello studio delle serie temporali, sono state descritte le librerie del linguaggio di programmazione Python in grado di elaborare i dati secondo le logiche Long Short Term Memory. Infine, nell’ultimo capitolo sono stati riportati ed esaminati i risultati in termini di capacità predittiva derivati dall’allenamento della rete neurale, confrontando i risultati di diverse architetture in termini di errore assoluto e percentuale.