Applicazioni di Machine Learning e Deep Learning per l'analisi empirica del settore tecnologico e la previsione delle serie temporali

In recent years, the technology sector has experienced exponential growth, making it a primary area of interest for investors and financial analysts. This thesis explores the application of Machine Learning and Deep Learning techniques in the empirical analysis of the technology sector and the prediction of stock prices of leading companies in the industry. By processing large amounts of historical data, including company performance, financial reports, and market trends, the work focuses on advanced models such as Recurrent Neural Networks (RNNs), Convolutional Neural Networks (CNNs), and ensemble methods for stock price prediction. The main objective is to assess the effectiveness of these models in providing accurate forecasts and supporting investment decisions. Challenges related to overfitting, market volatility, and data complexity are also discussed. The results demonstrate that the integration of Machine Learning and Deep Learning offers powerful tools to efficiently analyze the technology sector, with significant implications for capital allocation and risk management.

Negli ultimi anni, il settore tecnologico ha registrato una crescita esponenziale, rendendolo un campo d'interesse primario per gli investitori e analisti finanziari. Questa tesi esplora l'applicazione di tecniche di Machine Learning e Deep Learning nell'analisi empirica del settore tecnologico e nella previsione dei prezzi azionari delle principali imprese del settore. Partendo dall'elaborazione di grandi quantità di dati storici, incluse le performance aziendali, i report finanziari e i trend di mercato, il lavoro si focalizza su modelli avanzati come le reti neurali ricorrenti (RNN), le reti neurali convoluzionali (CNN) e gli ensemble methods per la predizione dei prezzi azionari. L'obiettivo principale è valutare l'efficacia di questi modelli nel fornire previsioni accurate e supportare decisioni d'investimento. Vengono inoltre discusse le sfide legate all'overfitting, alla volatilità del mercato e alla complessità dei dati. I risultati dimostrano che l'integrazione di Machine Learning e Deep Learning offre strumenti potenti per analizzare in modo efficiente il settore tecnologico, con implicazioni significative per l'allocazione del capitale e la gestione del rischio.