Abstract:
L’elaborato, nella prima parte, andrà a soddisfare la necessità di un inquadramento dal punto di vista storico, come richiede un argomento di questo tipo, per poi vedere analizzate le diverse tipologie metodologiche di previsione delle serie storiche finanziarie in contesto di low frequency data e di high frequency data. L’ultima fase dello scritto andrà a proporre un sistema di trading automatico, nel contesto di più asset finanziari per verificarne l’adeguatezza e l’adattabilità, basato sul modello previsionale che verrà ritenuto più adeguato a trattare e a manipolare dati ad alta frequenza, i quali costringono gli investitori a monitorare maggiormente le loro posizioni sul mercato di riferimento per modificare o confermare le scelte d’investimento. Sarà inoltre interessante comprendere e studiare la struttura su cui si basano gli algoritmi di machine learning atti alla gestione dei dati finanziari e all’approssimazione del processo generatore dei dati delle serie storiche finanziarie e in particolare il meccanismo che caratterizza le reti neurali.
