Di Iorio, Antonio (A.A. 2020/2021) Machine learning nella gestione di portafoglio. Tesi di Laurea in Teoria e gestione del portafoglio, Luiss Guido Carli, relatore Nicola Borri, pp. 113. [Master's Degree Thesis]

Full text for this thesis not available from the repository.

Abstract/Index

Machine learning: definizione e tecniche. Tecniche e divisione del dataset. Apprendimento senza supervisione (unsupervised learning). L'algoritmo delle K-medie (K-means clustering). Raggruppamento gerarchico agglomerato (agglomerative hierarchical clustering). Apprendimento con supervisione (supervised learning). Regressione lineare. Regressione con spianamento delle creste (ridge regression). Regressione L.A.S.S.O. (lasso regression). Alberi decisionali. Support vector machines (SVMs). Reti neurali artificiali (artificial neural networks). Apprendimento per rinforzo (reinforcement learning). Applicazione del machine learning nelle scelte ottimali di portafoglio. La teoria del portafoglio ottimale di Markowitz. Asset clustering. Asset selection (utilizzo di una rete neurale LSTM per prevedere i prezzi azionari). Asset allocation (portfolio optimization su Python). Criticità delle soluzioni adottate e futuri sviluppi.

References

Bibliografia: pp. 93-96.

Thesis Type:	Master's Degree Thesis
Institution:	Luiss Guido Carli
Degree Program:	Master's Degree Programs > Master's Degree Program in Economics and Finance (LM-56)
Chair:	Teoria e gestione del portafoglio
Thesis Supervisor:	Borri, Nicola
Thesis Co-Supervisor:	Reichlin, Pietro
Academic Year:	2020/2021
Session:	Autumn
Deposited by:	Alessandro Perfetti
Date Deposited:	22 Mar 2022 11:13
Last Modified:	22 Mar 2022 11:13
URI:	https://tesi.luiss.it/id/eprint/31790

Downloads

Repository Staff Only

View Item