Data Driven Trading. Studio ed implementazione di recenti indicatori di analisi tecnica

DSpace/Manakin Repository

Show simple item record

dc.contributor.advisor Pizzi, Claudio it_IT
dc.contributor.author Gava, Silvia <1997> it_IT
dc.date.accessioned 2022-06-26 it_IT
dc.date.accessioned 2022-10-11T08:26:39Z
dc.date.issued 2022-07-13 it_IT
dc.identifier.uri http://hdl.handle.net/10579/21795
dc.description.abstract Partendo da un’iniziale descrizione storica dell’analisi tecnica, la tesi ha l’obiettivo di confrontare alcuni indicatori di analisi tecnica già fortemente consolidati, quali SMA, MACD, Bande di Bollinger ed RSI, con quattro nuovi indicatori proposti recentemente in letteratura da Ansari Saleh Ahmar, Jacinta Chan Phooi M’ng, Alex Pierrefeu, e da Serhiy Kozmenko insieme ad Oleksiy Plastun. Questi nuovi indicatori sono denominati rispettivamente Sutte Indicator, Dynamically Adjustable Moving Average (AMA’), Recursive Bands e RDZ Indicator. Per l’analisi comparativa sono stati creati i codici in Rstudio di quest’ultimi indicatori. Sono state prese in considerazione le quotazioni di diversi titoli azionari, verificandone per ciascuno il rendimento cumulato ottenuto, grazie a ciascun specifico indicatore, su un periodo di riferimento di 8 anni (01/01/2014 – 01/01/2022); confrontandolo con quello ottenuto grazie agli indicatori SMA, MACD, Bande di Bollinger ed RSI. it_IT
dc.language.iso it it_IT
dc.publisher Università Ca' Foscari Venezia it_IT
dc.rights © Silvia Gava, 2022 it_IT
dc.title Data Driven Trading. Studio ed implementazione di recenti indicatori di analisi tecnica it_IT
dc.title.alternative Data Driven Trading. Studio ed implementazione di recenti indicatori di analisi tecnica it_IT
dc.type Master's Degree Thesis it_IT
dc.degree.name Economia e finanza it_IT
dc.degree.level Laurea magistrale it_IT
dc.degree.grantor Dipartimento di Economia it_IT
dc.description.academicyear 2021/2022_sessione estiva_110722 it_IT
dc.rights.accessrights closedAccess it_IT
dc.thesis.matricno 886726 it_IT
dc.subject.miur SECS-S/03 STATISTICA ECONOMICA it_IT
dc.description.note Tesi di laurea magistrale it_IT
dc.degree.discipline it_IT
dc.contributor.co-advisor it_IT
dc.date.embargoend 10000-01-01
dc.provenance.upload Silvia Gava (886726@stud.unive.it), 2022-06-26 it_IT
dc.provenance.plagiarycheck Claudio Pizzi (pizzic@unive.it), 2022-07-11 it_IT


Files in this item

This item appears in the following Collection(s)

Show simple item record