Skip to content

Evaluation of Machine Learning impact on Asset Risk Premia measurement

Results comparison between Machine Learning methods

Numerous literature has tried to empirically demonstrate which method between the Support Vector Machines, the Decision Trees and Artificial Neural Networks performs best.
The free lunch theorem of Machine learning (Wolpert 1997) states that every possible algorithm on average has the same error when applied in the classification of new unseen data. The implication and meaning given to this "theorem" is the fact that there is no a priori machine learning algorithm that is always better than the others.

Some methods have low performance on some issues, while others have a stronger performance in other tasks.

It is important to underline that this theory only holds when referring on average to all possible types of data distributions. When navigating to real problems analysis, it is advisable to choose and test algorithms that best approximate a given problem. As a consequence, it can be asserted that the objective of the researcher is not to find the perfect algorithm that can be applied and solves all kinds of questions properly, but the one that can work better with the nature of the problem.

Moving on to the precise field of study, which mainly refers to the area of time series analysis, it is appropriate to draw attention to an interesting comparison of interesting comparison between the Support Vector Machines and the Artificial Neural Networks in the field of Time series analysis, conducted by Samsudin, Shabri and Saad in 2010. The analysis made is interesting because often these two methods are considered very similar in "predictive performances".

Both the performances of SVM and ANN are tested on five different time series analysis topics: the chemical process concentration, the IBM common stock closing price, the chemical process temperature, the sunspot’s data and the international airline passengers. The main feature of these topics is their different statistical characteristics, i.e. seasonality, trend, nonlinearity, with different period of observations (1 hour, 2 hours, Daily, Monthly, Yearly).

Even if both SVM and ANN had good generalization performance, SVM outperformed ANN in predicting chemical process concentration, the IBM common stock closing price, and the Chemical process viscosity in terms of RMSE and MAE, while ANN outperformed SVM for sunspot’s data and international airline passengers. Therefore, SVM worked better in series homogeneous non-stationary (series 1 and 3), and in a series without evident trend and seasonality (series 2). Instead, in a series where data has a cyclical pattern (series 4), or with seasonality (series 5), ANN demonstrated to perform better than SVM.
In any case, the major drawback of this analysis is the use of very few data, which could have affected the result.

Questo brano è tratto dalla tesi:

Evaluation of Machine Learning impact on Asset Risk Premia measurement

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

Informazioni tesi

  Autore: Pierre D'amico
  Tipo: Laurea liv.II (specialistica)
  Anno: 2017-18
  Università: Università Commerciale Luigi Bocconi di Milano
  Facoltà: Economia
  Corso: Finanza
  Relatore: Claudio Tebaldi
  Lingua: Inglese
  Num. pagine: 77

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario, bollettino postale.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l'Utente volesse pubblicare o citare una tesi presente nel database del sito www.tesionline.it deve ottenere autorizzazione scritta dall'Autore della tesi stessa, il quale è unico detentore dei diritti.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
  • L'Utente è a conoscenza che l'importo da lui pagato per la consultazione integrale della tesi prescelta è ripartito, a partire dalla seconda consultazione assoluta nell'anno in corso, al 50% tra l'Autore/i della tesi e Tesionline Srl, la società titolare del sito www.tesionline.it.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Per tradurre questa tesi clicca qui »
Scopri come funziona »

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

artificial intelligence
neural networks
machine learning
trading systems
asset risk premia
swarm intelligence
predicting stock market
lstm
recurrent neural networks
long short term memory

Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi