Tesi di Laurea
Sia per la laurea triennale, sia per la laurea magistrale ho scelto di svilppare lavori sperimentali in ambito statistico.
- Triennale
Ottimismo sull’andamento dei mercati finanziari: un’analisi sulle famiglie italiane
La tesi utilizza metodi econometrici per stabilire come le condizioni socio-economiche abbiano un impatto sulle aspettative finanziarie.
Agenti perfettamente razionali dovrebbero avere, mediamente, le stesse aspettative riguardo al futuro dei diversi mercati – in particolare su titoli azionari e titoli di Stato.
Si può ipotizzare, tuttavia, che vi sia una correlazione fra tali aspettative e la soggettiva condizione economica degli intervistati. In particolare – dopo anni di grave recesione – famiglie in uno stato di precarietà sarebbero più pessimiste rispetto a persone che hanno meno subito le conseguenze della crisi.
In una seconda parte del lavoro si indagano inoltre le relazioni fra qualità socio-economiche delle famiglie ed utilizzo delle carte di pagamento.
L’analisi è stata condotta utilizzando rilevazioni di Banca d’Italia sui capifamiglia.
- Magistrale: Applicazione delle tecniche di Machine Learning in finanza
La tesi descrive diverse tecniche, ricadenti sotto l’ombrello del “Machine Learning”, utilizzate o sperimentate in Finanza. Le applicazioni sono di diverso tipo: questi approcci si rivelano particolarmente utili per il Credit Scoring. La parte sperimentale della tesi è un’applicazione al trading. Una Rete Neurale, sviluppata con Python – TensorFlow, analizza l’andamento di un titolo in una finestra temporale e predice l’andamento futuro aggregando informazioni di mercato ed indicatori di analisi tecnica. Il lavoro è stato svolto presso la società Phinergy.
La tesi, come argomento secondario, tratta anche del Quantum Machine Learning e delle eventuali prospettive per la Finanza. Sono infatti allo studio applicazioni, anche nel Machine Learning, per il Computer Quantistico. Il Quantum Computing è una frontiera affascinante della tecnologia, che potrebbe rivoluzionare interamente il mondo in cui viviamo. Le applicazioni sicuramente andranno oltre quanto si può attualmente immaginare. L’impatto sarà enorme, tuttavia, sulle attuali tecniche crittografiche. Per certe applicazioni questa tecnologia risolverebbe il problema della complessità computazionale.
Nel 2017 ho partecipato ad un evento particolarmente interessante, il workshop Quantum Techniques in Machine Learning, che si è tenuto presso il dipartimento di Informatica all’Università di Verona.
Attualmente alcune società hanno annunciato di avere realizzato calcolatori con tecnologie quantistiche:
IBM-Q
D-Wave
Triennale
Ottimismo sull’andamento dei mercati finanziari:
un’analisi sulle famiglie italiane
Relatore: prof. Alessandro Bucciol
Campo: Econometria
Software: Stata, Microsoft Office
Dati: Banca d’Italia
Magistrale
Applicazione delle tecniche di Machine Learning in finanza
Relatore: prof. Roberto Renò
Ambito: Machine Learning
Software: Python, TensorFlow, Microsoft Office
Dati: titolo azionario Walt Disney