Autore:
A. Branda, N. Gava, F. Grasso, F. Lamaro, S. Levantesi
Abstract:
Obiettivo del lavoro è lo sviluppo di un sistema di supporto per la realizzazione del trading algoritmico, ovvero l’utilizzo di un algoritmo di filtraggio delle informazioni che fornisca raccomandazioni personalizzate per i clienti di un dato intermediario finanziario finalizzate ad una gestione ottimizzata del portafoglio titoli. La metodologia utilizzata è di tipo machine learning (ML), con l’applicazione di tre algoritmi basati sugli alberi: Random Forest, Decision Tree e Gradient Boosting, ed analizza tre variabili target: bisogno di liquidità, crescita ed investimento.Il lavoro evidenzia come l’utilizzo di un modello dinamico possa migliorare la qualità della consulenza per l’allocazione del portafoglio titoli, in funzione del profilo di rischio/rendimento dei clienti.
Parole Chiave:
Smart Portfolio Management, Machine Learning, Random Forest, Decision Tree, Gradient Boosting, Regression Analysis
Tipo di pubblicazione:
Rapporto Tecnico
Codice Pubblicazione:
1
Allegato Pubblicazione:
Contatto:
ISSN:
2279-798X