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
1996-01-01

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