MACHINE LEARNING E TRADING AUTOMATIZZATO

Con i recenti progressi nella tecnologiae negli algoritmi, i professionisti dal trading in ambito economico si stanno muovendo, sempre di più, verso un approccio più quantitativo e statistico per prevedere la direzione del prezzo delle azioni. Quest'approccio è chiamato analisi tecnica quantitativa e verrà analizzato all'interno di questa tesi. La prima parte della tesi esplora la prevedibilità della direzione del mercato azionario. Determinare la direzione del mercato futuro richiede praticamente un'attenzione particolare poiché lo streaming di dati di azioni può essere più rapido di quanto un modello possa produrre risultati. Per questo motivo, sono state introdotte e utilizzate delle tecniche e degli algoritmi di “machine learning”. In particolare, verranno analizzate le variazioni degli algoritmi di base come LogisticRegression, DecisionTree, NaiveBayes and SupportVector Machine, nonché vari metodi per ottimizzare la precisione della previsione. Successivamente, verranno analizzati due approcci per costruire di previsione: l'approccio individuale e quello settoriale. Infine tenteremo di personalizzare una strategia di trading per sfruttare appieno i migliori modelli di previsione.