Applicazione di Reti Neurali per la Gestione Dinamica del Portafoglio di Investimento

Negli ultimi anni lo sviluppo tecnologico e la crescente propensione alla digitalizzazione degli istituiti finanziari ha posto le basi per la ricerca di soluzioni informatiche avanzate a problemi di natura finanziaria, dalla valutazione del merito di credito alla gestione di asset finanziari. La tesi proposta si pone come obiettivo l'implementazione di un algoritmo di reinforcement learning, nello specifico una rete neurale di tipologia Deep Q-Network, applicato ad un problema di gestione dinamica di portafoglio con lo scopo di massimizzare il rendimento di un portafoglio azionario con accesso ad un limitato bacino di titoli. La tesi presenta inizialmente le basi economiche e informatiche che caratterizzano il problema da affrontare, verranno poi esposti alcuni studi e utilizzi pratici del machine learning a problemi di natura finanziaria, e successivamente presenta la struttura proposta per la soluzione del problema riportandone i risultati e confrontandoli con altri metodi di gestione di portafogli. La struttura informatica proposta restituisce risultati generalmente positivi riuscendo a registrare rendimenti positivi pur non riuscendo a superare puntualmente altri metodi di gestone di portafoglio.