Squarcia, Stefano (A.A. 2024/2025) Stimare la volatilità dei mercati finanziari azionari: un confronto tra modelli tradizionali e di machine learning. Tesi di Laurea in Risk management and compliance, Luiss Guido Carli, relatore Giancarlo Mazzoni, pp. 150. [Master's Degree Thesis]

Preview

PDF (Full text) Download (6MB) | Preview

Abstract/Index

Il concetto di volatilità nel pricing e nel risk management. Volatilità attesa e storica. Volatilità di portafoglio, rischio specifico e rischio sistematico. Il pricing. Il risk management. Metodi di stima della volatilità. La volatilità implicita. Fatti stilizzati nei mercati azionari. La stima della volatilità con dati storici: le medie mobili semplici. Il modello a media mobile esponenziale (EWMA). Il modello ARCH(q). Il modello GARCH(p,q). Il modello EGARCH(p,o,q) e altre versioni alternative al GARCH(p,q). Machine learning per la stima della volatilità. Intelligenza artificiale e machine learning. Categorie di modelli di machine learning. Il modello XGBoost. Le reti neurali artificiali. Modelli di reti neurali per dati sequenziali. Analisi empirica. Scelta del dataset. Test di stazionarietà e normalità per i log-rendimenti. Stima dei parametri dei modelli econometrici tradizionali. Precisazione sulla definizione di volatilità realizzata. Addestramento e validazione dei modelli di machine learning.

References

Bibliografia: pp. 139-146.

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:	Risk management and compliance
Thesis Supervisor:	Mazzoni, Giancarlo
Thesis Co-Supervisor:	Catalano, Marta
Academic Year:	2024/2025
Session:	Autumn
Deposited by:	Alessandro Perfetti
Date Deposited:	18 Mar 2026 11:46
Last Modified:	18 Mar 2026 11:46
URI:	https://tesi.luiss.it/id/eprint/45146

Downloads

Repository Staff Only

View Item