Lo sviluppo di questa tesi è una diretta conseguenza dell’esperienza maturata durante lo stage presso un’ ente che si occupa di previsioni finanziarie, nonché di un costante scambio di informazioni via e-mail con l’autore del libro “Expert Trading System: Modeling Financial Markets with Kernel Regression”. La tesi tratta la descrizione e lo studio di fattibilità di una metodo di regressione non parametrica, la kernel regression, applicata alla previsione intraday dei valori del Fib30.
L’analisi di tale metodologia è stata condotta tenendo sempre in considerazione la complessità computazionale ed il confronto con altre metodologie quantitative largamente usate nella previsione dei mercati finanziari come le Reti Neurali, nonchè l’aspetto pratico: l’utilizzo della kernel regression in un Trading System. La stesura della dissertazione ha comportato, inoltre, lo studio di altri aspetti correlati: gli strumenti finanziari (in particolare i futures), le scuole di pensiero dei mercati finanziari (in particolare l’analisi tecnica), i metodi di scelta e selezione dei predittori, le serie storiche “rumorose”, il tempo come variabile che pesa i dati, tecniche di ricerca veloce dei nearest neighbors.
1 introduzione
1.2 Modellare i Mercati Finanziari
1.3 Le Scuole di Pensiero Sullo Studio Dei Mercati
1.5 Il Mercato Finanziario d'interesse: Il Fib
2 Kernel Regression
2.5 la dimensionalità del Polinomio
Metodo forward stepwise semplice
Metodo forward stepwise con num_survivors(d)=10
2.6 Misure di Valutazione del Modello
3 KR ad Alta performance
3.4 Complessità Computazionale
3.6 Day Trading ed Intraday Trading
4 Studio di Fattibilità
4.1 Presentazione della Matrice dei dati
4.2 Presentazione dei Parametri Principali
4.3 Descrizione dei Risultati Ottenuti
4.4 Un Approccio con le Reti Neurali Artificiali
Monico Dino