/ 6
- Dettagli
- Categoria: Area Sanitaria
- Scritto da Stefano Squarcia
- Visite: 52
PubbliTesi - La Tesi
Stimare la volatilità dei mercati finanziari azionari: un confronto tra modelli tradizionali e di machine learning
Scheda Sintetica
Autore: Stefano Squarcia
Relatore: Giancarlo Mazzoni
Università: Libera Università Internazionale Studi Sociali “Guido Carli” LUISS - Roma
Facoltà: Dipartimento di Economia e Finanza
Corso: Laurea Magistrale in Economia e Finanza
Data di Discussione: 13/11/2025
Voto: 110 cum laude
Disciplina: Risk Management and Compliance
Tipo di Tesi: Sperimentale
Altri Relatori: Marta Catalano
Lingua: Italiano
Grande Area: Area Sociale
Dignità di Stampa: Si
Descrizione:
Un confronto tra modelli econometrici tradizionali e di machine learning nella stima della volatilità realizzata giornaliera dei mercati finanziari azionari in un’ottica di gestione del rischio di mercato. In particolare, dopo aver scelto tre indici rappresentativi di diverse aree geografiche (S&P 500 per gli USA, STOXX 600 Europe per l’Europa, MSCI AC Asia-Pacific per la regione Asia-Pacifico), sono stati costruiti tre diversi esperimenti, parzialmente sovrapposti tra loro a livello temporale. Successivamente, attraverso due metriche di errore (RMSE e QLIKE Loss) sono stati confrontati nello specifico i modelli EWMA, GARCH-t(1,1), EGARCH-t(1,1), XGBoost e LSTM, su una stima della volatilità giornaliera realizzata da questi tre indici, calcolata come media semplice e definita su tre diverse basi di calcolo: bisettimanale (10 giorni lavorativi), mensile (21 giorni lavorativi) e trimestrale (63 giorni lavorativi).