Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Tecniche di Trading in un Mercato Multifrazionario

Quando un metodo di scelta dei titoli diventa di uso comune, bisogna cambiare e adottare metodi meno comuni.
Jhon Templeton

La letteratura sulla modellizzazione delle serie finanziarie ha proposto sino ad oggi sostanzialmente due filoni di modelli. Il primo, la modellizzazione stocastica, si fonda essenzialmente sull’idea che le interazioni tra i partecipanti al mercato, tra questi ed i fattori politici, istituzionali, economici e sociali siano talmente numerose e variegate che risulta impossibile una loro formalizzazione se non in un modello di tipo puramente probabilistico. Viceversa, il secondo approccio, di stampo deterministico, si fonda sull’idea che, al di là dei fattori individuali che generano l’aleatorietà, un numero limitato di leggi governi le dinamiche finanziarie, e vediamo lo svilupparsi delle reti neurali o comunque sistemi di autoapprendimento attraverso le quali si tenta di separare eventuali componenti deterministe dal rumore stocastico. Talune tecniche di modellizzazione risultano molto utili per propositi di mera speculazione teorica, ma in concreto non costituiscono adeguate caratterizzazioni stocastiche dei fenomeni finanziari reali, in quanto sconfessate da evidenze empiriche, come dimostrato da numerosi studi in letteratura. Sono principalmente due gli argomenti che supportano tale conclusione: la non gaussianetà delle distribuzioni empiriche dei rendimenti e la presenza di memoria nelle serie storiche.
Il presente lavoro si è concentrato sullo studio di una tecnica di trading costruita sul presupposto che il mercato possa essere descritto da un modello,”il moto browniano multifrazionario”. Esso infatti oltre a sussistere formalmente, e quindi fornire una rappresentazione stocastica consistente, riesce a corrispondere un significato economico forte attraverso uno stimatore (H) che misura il peso che l’aggregato degli operatori economici riconosce al passato nel condizionare il presente. Poiché non vi è alcuna ragione per ritenere che tale peso non si modifichi nel tempo, anzi, vi sono motivi più che validi per giustificare il contrario, è ragionevole concludere che ne il moto browniano standard, ne il moto browniano frazionario costituiscano adeguate rappresentazioni delle dinamiche finanziarie. Viceversa il moto browniano multifrazionario coglie l’aspetto dinamico dei partecipanti al mercato, modellizzandone il comportamento adattivo indotto dalla nuova all’informazione.
Partendo quindi da quest’interpretazione evoluto delle serie finanziarie, ancora oggetto di studio e sviluppo, ho tentato di fare un uso profittevole delle informazioni offerte dal modello considerato, inserite in un algoritmo di trading automatico, applicato al mercato reale. L’evidenza empirica, e il confronto con strategie alternative casuali e benchmark d’indce, offre lo spunto per suggerire l’uso del parametro Ht a supporto delle decisioni di acquisto e di vendita di partecipazioni azionarie.
Il contributo originale può riassumersi nella dimostrazione pragmatica che la considerazione dello stimatore Hölderiano, derivante dalla modellizzazione browniana multifrazionaria nelle decisioni di compravendita di titoli azionari ha una rilevanza profittevole.

Mostra/Nascondi contenuto.
4 INTRODUZIONE Quando un metodo di scelta dei titoli diventa di uso comune, bisogna cambiare e adottare metodi meno comuni. Jhon Templeton La letteratura sulla modellizzazione delle serie finanziarie ha proposto sino ad oggi sostanzialmente due filoni di modelli. Il primo, la modellizzazione stocastica, si fonda essenzialmente sull’idea che le interazioni tra i partecipanti al mercato, tra questi ed i fattori politici, istituzionali, economici e sociali siano talmente numerose e variegate che risulta impossibile una loro formalizzazione se non in un modello di tipo puramente probabilistico. Viceversa, il secondo approccio, di stampo deterministico, si fonda sull’idea che, al di là dei fattori individuali che generano l’aleatorietà, un numero limitato di leggi governi le dinamiche finanziarie, e vediamo lo svilupparsi delle reti neurali o comunque sistemi di autoapprendimento attraverso le quali si tenta di separare eventuali componenti deterministe dal rumore stocastico. Talune tecniche di modellizzazione risultano molto utili per propositi di mera speculazione teorica, ma in concreto non costituiscono adeguate caratterizzazioni stocastiche dei fenomeni finanziari reali, in quanto sconfessate da evidenze empiriche, come dimostrato da numerosi studi in letteratura.. Sono principalmente due gli argomenti che supportano tale conclusione: la non gaussianetà delle distribuzioni empiriche dei rendimenti e la

Tesi di Laurea

Facoltà: Economia

Autore: William Hay Contatta »

Composta da 111 pagine.

 

Questa tesi ha raggiunto 1694 click dal 26/07/2005.

 

Consultata integralmente 4 volte.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.