Analisi serie storiche

Abstract

In un'epoca dominata dalla digitalizzazione e dall'accessibilità dei dati, la necessità di strumenti analitici sofisticati è diventata sempre più imperativa. Questa tesi si concentra sullo studio delle serie storiche, un approccio matematico che permette di analizzare e prevedere le dinamiche temporali di vari fenomeni, con una particolare attenzione al settore finanziario. La scelta di questo argomento nasce dalla crescente rilevanza dell'analisi dati nel guidare decisioni economiche e finanziarie informate. Lavorando con dati dal 1990 al 2023, abbiamo applicato e ottimizzato modelli ARIMA per analizzare il comportamento dei VIX Index, un barometro significativo della volatilità del mercato azionario. Questo studio ha permesso di identificare modelli e trend significativi, specialmente durante periodi di sconvolgimenti estremi come la pandemia COVID-19. Il risultato è un approccio robusto e versatile per navigare nelle dinamiche di mercato, offrendo così spunti cruciali per decisioni finanziarie future ed evidenziando l'importanza dell'analisi delle serie storiche nella pratica moderna.

In an era dominated by digitization and data accessibility, the need for sophisticated analytical tools has become increasingly imperative. This thesis focuses on the study of time series, a mathematical approach that allows to analyze and predict the temporal dynamics of various phenomena, with particular attention to the financial sector. The choice of this topic stems from the growing importance of data analysis in guiding informed economic and financial decisions. Working with data from 1990 to 2023, we applied and optimized ARIMA models to analyze the behavior of the VIX Indexes, a significant barometer of stock market volatility. This study identified significant patterns and trends, especially during times of extreme upheaval such as the COVID-19 pandemic. The result is a robust and versatile approach to navigate market dynamics, thus offering crucial insights for future financial decisions and highlighting the importance of time series analysis in modern practice.