In lavori precedenti, alcuni autori hanno analizzato il mercato finanziario italiano, riscontrando tracce evidenti di predicibilità. Nel presente lavoro riprendiamo la medesima linea di ricerca. L'oggetto di analisi sono i rendimenti logaritmici giornalieri dell'indice della borsa italiana (COMIT) e lo strumento utilizzato è costituito da alcuni particolari modelli non lineari e non parametrici derivanti dal campo della soft Artificial Intelligence, le cosiddette Artificial Neural Networks a struttura (feedforward) Multi-layer Perceptron. I risultati che si ottengono rivelano ancora tracce evidenti di predicibilità e sono connessi a prestazioni interessanti in relazione al trend ed al segno della serie storica presa in esame.

Modelli previsivi neurali: un'applicazione al mercato finanziario italiano

CANESTRELLI, Elio;CORAZZA, Marco
1996

Abstract

In lavori precedenti, alcuni autori hanno analizzato il mercato finanziario italiano, riscontrando tracce evidenti di predicibilità. Nel presente lavoro riprendiamo la medesima linea di ricerca. L'oggetto di analisi sono i rendimenti logaritmici giornalieri dell'indice della borsa italiana (COMIT) e lo strumento utilizzato è costituito da alcuni particolari modelli non lineari e non parametrici derivanti dal campo della soft Artificial Intelligence, le cosiddette Artificial Neural Networks a struttura (feedforward) Multi-layer Perceptron. I risultati che si ottengono rivelano ancora tracce evidenti di predicibilità e sono connessi a prestazioni interessanti in relazione al trend ed al segno della serie storica presa in esame.
1996
Atti del ventesimo convegno annuale A.M.A.S.E.S.
File in questo prodotto:
File Dimensione Formato  
1996-Belcaro_Canestrelli-Corazza-Modelli_previsivi_neurali_un'applicazione_al_mercato_finanziario_italiano-AMASES.pdf

accesso aperto

Descrizione: Articolo nella versione dell'editore.
Tipologia: Versione dell'editore
Licenza: Accesso libero (no vincoli)
Dimensione 4.31 MB
Formato Adobe PDF
4.31 MB Adobe PDF Visualizza/Apri

I documenti in ARCA 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/10278/4461
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact