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

Kernel regression: applicazione alla previsione del Fib30

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, nonché 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.

Mostra/Nascondi contenuto.
Kernel Regression: Applicazione alla Previsione del Fib30 5 1.1 TECNICHE DI MODELLAMENTO Il modellamento è un processo in cui si ricorre ai dati per determinare un modello matematico che può essere esplicato mediante la seguente notazio- ne: )(XfY = , dove Y rappresenta la variabile dipendente e X la variabile indipenden- te. Esistono molte tecniche per modellare dati, in genere si distinguono due macro categorie: metodi parametrici e metodi non parametrici. Sono detti parametrici quei metodi i cui modelli si reggono sull’ipotesi che )(Xf appartenga ad una famiglia di funzioni parametriche con un strut- tura fissa e con i parametri stimabili dai dati. Compito del processo di model- lamento è tentare di trovare in modo empirico o in base a considerazioni teo- riche i valori dei parametri di )(Xf più corretti e precisi e stabilirne la loro robustezza nel tempo con metodi d’inferenza statistica, oppure empiricamen- te utilizzando un validation set. Alcuni esempi di modelli parametrici, fra i tanti che si potrebbero citare, sono i modelli ARIMA per i quali alcune considerazioni teoriche sono basate sullo studio delle correlazioni globali e parziali. Analizzando la forma dei due correlogrammi, infatti, si può restringere il campo di valori che possono assumere gli ordini del modello p e q, corrispondenti alla componente auto- regressiva (AR) e media mobile (MA), diminuendo così le prove per la ricer- ca del modello migliore. In alcuni problemi, però, si possono fare pochissime assunzioni concer- nenti la struttura di )(Xf , si deve allora proporre una lista di potenziali pre-

Tesi di Laurea

Facoltà: Economia

Autore: Dino Monico Contatta »

Composta da 83 pagine.

 

Questa tesi ha raggiunto 2589 click dal 20/03/2004.

 

Consultata integralmente 8 volte.

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