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

Modelli parametrici non-lineari e reti neurali artificiali per l'analisi delle serie storiche finanziarie

Nel primo capitolo vengono richiamati i concetti di linearità e non, esaminando alcuni test che permettono di diagnosticarne la presenza, almeno in termini generali (riservandoci di esaminare i test di linearità contro specifiche alternative, dopo aver trattato i modelli non-lineari ai quali si riferiscono). Nel secondo capitolo entriamo nel vivo delle tecniche adoperabili per modellare i rendimenti delle serie finanziarie, concentrando la nostra attenzione sui cosiddetti modelli regime switching come il SETAR e lo STAR. La non-linearità in varianza ed i modelli per la volatilità, saranno oggetto del capitolo terzo, con particolare enfasi sulle varianti asimmetriche della classe dei modelli GARCH, ma anche sulla possibilità di combinare tali modelli per l'eteroschedasticità condizionale con variabili esogene. Con questi argomenti si conclude la prima parte della tesi, interamente dedicata ai modelli parametrici.
Nella seconda parte, invece, la discussione riguarda le reti neurali artificiali (ANN), rivolgendo la nostra attenzione essenzialmente alle tipologie di rete usate più di comune per modellare le serie storiche.
In conclusione, nella terza parte della tesi vengono messe in pratica le tecniche esposte nei precedenti capitoli.
A tal fine verranno analizzate 10 serie storiche rappresentative delle principali variabili economico-finanziarie (tassi di cambio, indici azionari, materie prime, etc...) e la nostra discussione riguarderà principalmente l'analisi comparata tra le performance ottenute dai diversi modelli parametrici e non, tanto per i rendimenti come per la volatilità e sia in termini di capacità di adattamento in-sample che di previsione ex-post.

Mostra/Nascondi contenuto.
Introduzione I modelli non-lineari si adattano meglio alle serie storiche finanziarie? Sebbene in passato si sia ricorso in larga parte a modelli lineari per spiegare l’andamento delle serie storiche finanziarie, da decenni ormai, numerose indagini empiriche sembrano voler dire come in tali serie sia quasi sempre presente una componente non-lineare (vedi la tabella a fine capitolo). Le ipotesi di efficienza dei mercati nelle loro varie formulazioni (forte, semi-forte e debole), che costituiscono una condizione necessaria per i cosiddetti processi random walk, nonostante siano alla base di illustri teorie macro-economiche, sono assunte con sempre crescente sospetto, tanto tra gli econometrici quanto soprattutto tra coloro che operano nei mercati finanziari, dalle banche d’affari ad i traders privati. Al riguardo e` sintomatica l’affermazione che Franses and Van Dijk (2000) fanno nelle conclusioni del loro testo e cioe`che: ”We would not want to claim that the practical adequacy of a nonlinear time series model refuses, for example, the mar- ket efficiency hypothesis, but we do believe that the empiri- cal evidence should be taken seriously when considering, for example, Value-at-Risk, option pricing and portfolio manage- ment. Much too often it is assumed that returns have a sym- metric distribution (and often unconditional normal) around a constant mean and with common variance. The empirical finance literature provides ample evidence that this assump- tion is not even close to being valid. The inclusion of this 1

Tesi di Laurea

Facoltà: Economia

Autore: Costantino Cerbo Contatta »

Composta da 201 pagine.

 

Questa tesi ha raggiunto 4151 click dal 20/03/2004.

 

Consultata integralmente 10 volte.

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