Previsione del prezzo delle azioni di S&P con reti neurali LSTM e GRU

Pesci, Paolo (2022) Previsione del prezzo delle azioni di S&P con reti neurali LSTM e GRU. [Laurea], Università di Bologna, Corso di Studio in Informatica per il management [L-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (2MB)

Abstract

L’oggetto di questo lavoro di tesi è lo studio delle reti neurali di tipo LSTM e GRU, l’analisi effettuata prende in considerazione lo Standard & Poor’s 500 ovvero il più importante indice azionario americano, questo paniere contiene 500 titoli azionari di società quotate a New York, rappresentative dell’80% circa della capitalizzazione di mercato. Nel primo macroargomento tratto le reti neurali come strumento per l’analisi del mercato azionario. Affronto a livello teorico i concetti: previsione delle serie temporali, stazionarietà, correlazione, classificazione e discriminazione, approssimazione di funzioni e faccio una breve presentazione delle principali tipologie di apprendimento automatico. Nel secondo macroargomento analizzo la struttura delle principali reti neurali, facendo una breve introduzione sui neuroni artificiali, andando in seguito a descrivere le reti feed-forwarde le RNN. Successivamente porto alla luce il problema tipico da cui sono afflitte le reti neurali RNN e come tramite LSTM e GRU riusciamo in parte a risolverlo. In ultima analisi spiego brevemente i concetti di "overfitting" e "underfitting" andando ad presentare varie metodologie possibili per evitarli. Infine, nel terzo ed ultimo macroargomento effettuo l’analisi e le previsioni del prezzo di S&P 500 utilizzando le due tipologie di layers, LSTM e GRU.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Pesci, Paolo
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Serie storica,LSTM,GRU,Reti neurali,Machine learning,Deep learning,Fred
Data di discussione della Tesi
15 Marzo 2022
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^