La combinazione di previsioni è un tema su cui si è molto dibattuto soprattutto in tempi pressoché recenti. L’importanza rivestita da questo argomento è stata tale da essere oggetto di attenzione di molti studi. In particolare, in questo elaborato viene sviluppato un modello ibrido per combinare previsioni in ambito finanziario. Più specificatamente, la metodologia proposta combina le previsioni ottenute da un set di indicatori di analisi tecnica con quella elaborata dalla regressione locale avvalendosi di un determinato algoritmo di ottimizzazione, il Particle Swarm Optimization (PSO), per calcolare i pesi ideali delle singole previsioni. Tale modello verrà poi applicato alla serie storica di alcuni indici di mercato, i quali rappresentano i più importanti indicatori economici nel mercato finanziario internazionale.
Combinazione di previsioni di serie storiche finanziarie
Nadalon, Elisa
2015/2016
Abstract
La combinazione di previsioni è un tema su cui si è molto dibattuto soprattutto in tempi pressoché recenti. L’importanza rivestita da questo argomento è stata tale da essere oggetto di attenzione di molti studi. In particolare, in questo elaborato viene sviluppato un modello ibrido per combinare previsioni in ambito finanziario. Più specificatamente, la metodologia proposta combina le previsioni ottenute da un set di indicatori di analisi tecnica con quella elaborata dalla regressione locale avvalendosi di un determinato algoritmo di ottimizzazione, il Particle Swarm Optimization (PSO), per calcolare i pesi ideali delle singole previsioni. Tale modello verrà poi applicato alla serie storica di alcuni indici di mercato, i quali rappresentano i più importanti indicatori economici nel mercato finanziario internazionale.File | Dimensione | Formato | |
---|---|---|---|
832983-1187033.pdf
accesso aperto
Tipologia:
Altro materiale allegato
Dimensione
7.7 MB
Formato
Adobe PDF
|
7.7 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14247/14840