Data mining e analisi dell'interazione dei mercati finanziari

Negli ultimi anni si è assistito ad una crescita esponenziale dell'ammontare dei dati disponibili, ciò ha comportato l'esigenza di predisporre nuove tecnologie, che consentano di estrarre, dai dati immagazzinati, il maggior numero di informazioni utili.
All'inizio di questo decennio si è avuta la diffusione del Data Mining, cioè di un insieme di tecniche, inserite nel più ampio processo di Knowledge Discovery in Databases, che, estrapolando modelli utili e precedentemente sconosciuti dall'insieme di dati, portano alla conoscenza.
Gli strumenti di Data Mining sono stati utilizzati in diversi campi, trovando la propria consacrazione in alcuni settori commerciali. Il nostro intento è quello di utilizzare tali tecniche nell'analisi dell'interazione dei mercati finanziari.
L'idea di fondo è, che sull'andamento del mercato azionario di Milano influiscano altri fattori estranei alla realtà economica italiana e sintetizzati dall'andamento degli indici dei principali mercati finanziari del pianeta. La prova, di ciò, è fornita dai recenti fenomeni d'instabilità dei mercati internazionali, propagatisi dall'Asia e successivamente dal Brasile. Il mercato italiano è stato, anch'esso, coinvolto in questo fenomeno.
Si ritiene, pertanto, interessante lo studio delle modalità di interazione di questi mercati, fornendo un'analisi originale e diversa, rispetto a quella fornita, tradizionalmente, dall'indice di correlazione.
Tale analisi viene compiuta attraverso l'utilizzo dell'approccio dei rough sets, che si contrappone ai metodi di misurazione congiunta, che, basandosi sui metodi sulla stima di funzioni di utilità aggregate, rientrano nelle metodologie tipiche della teoria dell'Utilità Multi attributo. L'approccio rough sets, invece, estrapolando la conoscenza direttamente dai dati, non obbliga ad alcuna ipotesi di aggregazione e, al tempo stesso consente una modellizzazione delle preferenze rappresentata da regole decisionali del tipo ''se?, allora'', che risultano di immediata interpretazione.
Il nostro lavoro è suddiviso in tre parti.
La prima parte è stata dedicata all'approfondimento della metodologia che verrà utilizzata nella successiva applicazione. Pertanto questa parte analizzerà l'analisi multicriteriale, le innovazioni introdotte dal Data Mining e l'approccio dei rough sets all'analisi delle decisioni.
Nella seconda parte verranno introdotte le diverse teorie finanziarie concernenti la diversificazione del portafoglio. Quindi si esaminerà la teoria della selezione del portafoglio di Markovitz, il Capital Asset Pricing Model, l'Asset Pricing Theory e i vantaggi della diversificazione internazionale del portafoglio, per poi introdurre la figura dell'operatore finanziario, sul quale focalizzeremo le nostre attenzioni cercando di capirne la mentalità per affinare la nostra analisi.
Il nostro lavora si chiude con l'applicazione, che consiste nell'analisi, mediante l'utilizzo delle nuove tecnologie proposte dal Data Mining, delle interazioni dei mercati finanziari e, più precisamente, del mercato azionario italiano con quelli delle seguenti nazioni: U.S.A., Inghilterra, Giappone, Francia, Germania e Svizzera. L'obiettivo a quello di fornire all'operatore finanziario uno strumento, maneggevole ed interattivo, del quale possa servirsi per porre in atto le migliori strategie. Cercheremo di mettere in relazione una delle definizioni di Data Mining: ''chiunque ha l'informazione e più velocemente la usa, vince'', con la definizione data dal Keynes del movente speculativo: ''lo scopo di trarre profitto dal fatto di conoscere meglio del mercato ciò che succederà in futuro''.
L'applicazione delle nuove tecnologie di Data Mining e, soprattutto, dell'approccio dei rough sets, all'analisi dell'interazione dei mercati finanziari, ha permesso di verificare la validità di questo strumento per il raggiungimento dello scopo prefissato: modellizzazione, a partire da una serie di dati storici, delle modalità d'interazione dei mercati finanziari internazionali.
Riteniamo di aver compiuto, con quest'analisi, un passo in avanti, rispetto al metodo, tradizionalmente, utilizzato dagli statistici: l'indice di covarianza, il quale risulta essere estremamente sintetico in quanto sintetizza l'informazione relativa all'interazione di coppie di mercati ad un solo indicatore medio e non è possibile considerare sottoinsiemi più ampi, mentre l'approccio dei rough sets consente di descrivere le interazioni tra sottoinsiemi di mercati di cardinalità qualunque, non necessariamente due.
L'approccio rough sets è stato applicato ad una serie di dati costituita dalle variazioni percentuali giornaliere degli indici di riferimento dei seguenti mercati azionari: New York. Tokyo, Londra, Parigi, Francoforte, Zurigo e Milano. L'orizzonte temporale di riferimento è dato dal periodo intercorrente, tra il 4 novembre 1997 e il 9 aprile 1999, per un ammontare complessivo a 340 osservazioni giornaliere