analisi quantitativa per la gestione di un portafoglio

La tesi si focalizza sulla gestione del portafoglio degli investimenti finanziari attraverso l'utilizzo di tecniche quantitative e dell'intelligenza artificiale. Nel primo capitolo, vengono analizzati i dati storici delle azioni dell'S&P 500. Nel secondo capitolo, vengono esaminate le principali metriche per valutare le performance del portafoglio, come rendimento, volatilità, drawdown, asimmetria e curtosi, e vengono illustrate misure di rischio come la semideviazione, VaR e CVaR. Viene inoltre trattata la costruzione della frontiera efficiente e l'identificazione del portafoglio ottimale tramite Max Sharpe Ratio e Global Minimum Variance. Nel terzo capitolo, viene introdotta l'intelligenza artificiale e il machine learning, con un focus sull'applicazione nel settore finanziario. Nel quarto capitolo, viene approfondita l'applicazione specifica del machine learning nella gestione del portafoglio tramite tecniche di clustering per la massimizzazione della diversificazione e la riduzione del rischio.