La tesi analizza l’applicazione del reinforcement learning alla gestione dinamica di portafoglio, con particolare attenzione all’algoritmo Proximal Policy Optimization (PPO). Partendo dall’Adaptive Markets Hypothesis, viene sviluppato un modello PPO applicato a un portafoglio multi-asset di ETF e confrontato con strategie di investimento tradizionali. L’analisi viene successivamente estesa integrando il sentiment finanziario estratto dalle notizie tramite FinBERT, con l’obiettivo di valutare il contributo di informazioni testuali alle decisioni di allocazione.
Algoritmo di PPO applicato alla gestione di portafoglio
DI BENEDETTO, DAVIDE
2025/2026
Abstract
La tesi analizza l’applicazione del reinforcement learning alla gestione dinamica di portafoglio, con particolare attenzione all’algoritmo Proximal Policy Optimization (PPO). Partendo dall’Adaptive Markets Hypothesis, viene sviluppato un modello PPO applicato a un portafoglio multi-asset di ETF e confrontato con strategie di investimento tradizionali. L’analisi viene successivamente estesa integrando il sentiment finanziario estratto dalle notizie tramite FinBERT, con l’obiettivo di valutare il contributo di informazioni testuali alle decisioni di allocazione.File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
DIBENEDETTO_DAVIDE_889025.pdf
accesso aperto
Dimensione
2.3 MB
Formato
Adobe PDF
|
2.3 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.14247/31466