Sviluppi metodologici e computazionali per l'analisi dei dati ad altissima frequenza

Progetto: Research project

Dettagli progetto

Description

La prosecuzione del programma di ricerca presentato lo scorso anno parte dalla constatazione che, con l'avanzare della tecnologia informatica, la possibilità di analisi di dati ad altissima frequenza si è sicuramente ampliata. Per dati ad altissima frequenza si intendono serie storiche non equispaziate nel tempo con lag temporali ravvicinatissimi.
Pur essendo diversi i campi applicativi in cui si possono incontrare dati ad altissima frequenza, è l'ambito finanziario che solitamente costituisce il campo di applicazione più comune di questo tipo di dati. In questo campo con il termine dati ad altissima frequenza ci si riferisce, in maniera più generale, a tutte le informazioni prodotte da un determinato mercato finanziario e relative alla contrattazione di un determinato strumento finanziario.
L'introduzione di tali insiemi di dati ha stimolato l'interesse verso la microstruttura dei mercati, fornendo, di conseguenza, nuovi ambiti di ricerca.
Dal momento che, come già detto, le transazioni non sono equispaziate nel tempo, queste ultime si ritengono solitamente provenienti da una particolare classe di processi di punto, i cosiddetti processi di punto ad intensità condizionale.
Sono stati elaborati svariati modelli per affrontare questi nuovi problemi, ma attualmente la proposta più completa sembra quella fornita dai modelli ACD (Autoregressive Conditional Duration) di Engle e Russell (1998).
Questo modello, che combina elementi propri dei modelli ARCH (AutoRegressive Conditional Heteroskedasticity) e dell'analisi delle duration, è già stato applicato con successo in letteratura: in particolare, è stata seguita dal richiedente una tesi di Laurea in cui si è condotta una breve analisi di dati reali della borsa Americana e si è osservato come tale modello è in grado di riprodurre in maniera adeguata l'andamento delle transazioni intragiornaliere.
Si ritiene, quindi, che il modello ACD è appropriato alle analisi microstrutturali dei mercati, ma che il suo sviluppo in tal senso è ancora lungo e in qualche modo frenato anche dall'attuale inadeguatezza dei software che non consentono una stima diretta dei parametri dello stesso, e che soprattutto non sono in grado di gestire l'analisi grafica dei dati a causa della loro ingente mole.
La seguente ricerca è quindi dedicata sia ai miglioramenti metodologici, che ancora possono essere condotti su questi modelli, sia allo sviluppo di efficaci tecniche computazionali per la loro analisi.
Risulta in questo ambito fondamentale anche il problema legato alla "pulizia" dei dati che si hanno a dispozione e che poi verranno utilizzati per l'applicazione dei modelli descritti brevemente in precedenza (vedi, ad esempio, Brownlees & Gallo, CSDA 51 (2006), pp. 2232-2245). Su questo problema il presente gruppo di ricerca ha già elaborato alcune proposte che verranno sottoposte ad alcune riviste scientifiche.

Layman's description

La ricerca si pone come obiettivo quello di sviluppare nuove metodologie, associate ad opportune tecniche di tipo computazionale per l'analisi di dati ad altissima frequenza. In particolare, si cercherà di migliorare la qualità dei dati da trattare, attraverso opportune tecniche di "pulizia" dei dati, e di proporre nuove soluzioni nella modellizzazione di questo tipo di dati, facendo ricorso principalmente ai modelli ACD (Autoregressive Conditional Duration), introdotti da Engle e Russell nel 1998. Si cercheranno, inoltre, di sviluppare routine adatte per la loro analisi, sfruttando principalmente i software statistici R e STATA.
Per perseguire l'obiettivo che ci si è prefissati con questo progetto di ricerca si utilizzeranno i modelli propri per l'analisi della microstruttura dei mercati finanziari, considerando, come variabili aventi un ruolo chiave nelle dinamiche dei processi interni a tali mercati, le durations (la duration è definita come il tempo che intercorre tra negoziazioni o quotazioni consecutive) tra transazioni o corrispondenti a variazioni dei prezzi. In tal modo si dovrebbe giungere ad una maggiore comprensione del processo di generazione dell'informazione insita nei mercati finanziari. Per quanto riguarda il problema della "pulizia" dei dati si pensa di far ricorso e di adattare a questo tipo di dati tecniche statistiche di individuazione di outliers.
StatoAttivo
Data di inizio/fine effettiva1/1/06 → …

Fingerprint

Esplora i temi di ricerca toccati da questo progetto. Queste etichette sono generate sulla base dei riconoscimenti/sovvenzioni sottostanti. Insieme formano una fingerprint unica.