Modelli parametrici non-lineari e reti neurali artificiali per l'analisi delle serie storiche finanziarie

Nel primo capitolo vengono richiamati i concetti di linearità e non, esaminando alcuni test che permettono di diagnosticarne la presenza, almeno in termini generali (riservandoci di esaminare i test di linearità contro specifiche alternative, dopo aver trattato i modelli non-lineari ai quali si riferiscono). Nel secondo capitolo entriamo nel vivo delle tecniche adoperabili per modellare i rendimenti delle serie finanziarie, concentrando la nostra attenzione sui cosiddetti modelli regime switching come il SETAR e lo STAR. La non-linearità in varianza ed i modelli per la volatilità, saranno oggetto del capitolo terzo, con particolare enfasi sulle varianti asimmetriche della classe dei modelli GARCH, ma anche sulla possibilità di combinare tali modelli per l'eteroschedasticità condizionale con variabili esogene. Con questi argomenti si conclude la prima parte della tesi, interamente dedicata ai modelli parametrici.
Nella seconda parte, invece, la discussione riguarda le reti neurali artificiali (ANN), rivolgendo la nostra attenzione essenzialmente alle tipologie di rete usate più di comune per modellare le serie storiche.
In conclusione, nella terza parte della tesi vengono messe in pratica le tecniche esposte nei precedenti capitoli.
A tal fine verranno analizzate 10 serie storiche rappresentative delle principali variabili economico-finanziarie (tassi di cambio, indici azionari, materie prime, etc...) e la nostra discussione riguarderà principalmente l'analisi comparata tra le performance ottenute dai diversi modelli parametrici e non, tanto per i rendimenti come per la volatilità e sia in termini di capacità di adattamento in-sample che di previsione ex-post.