Valutazione dell'Efficient Market Hypothesis con l'approccio machine learning

Abstract

Questo lavoro propone l’analisi delle prestazioni di alcuni modelli di machine learning nella previsione dei prezzi del mercato azionario per comprendere fino a che punto questi modelli possano identificare schemi riconoscibili all'interno delle serie storiche dei prezzi. Questo argomento è affascinante perché questi risultati possono rappresentare o meno prove empiriche contro l'ipotesi di mercato efficiente. Questa fondamentale teoria economica afferma che i prezzi futuri del mercato non sono facilmente prevedibili e, di conseguenza, che gli investitori non possono ottenere in modo continuativo un rendimento finanziario superiore al rendimento medio del mercato. La prima parte del lavoro esamina alcuni studi centrali sull'ipotesi di mercato efficiente e l'analisi teorica dei modelli analitici sottostanti a questa teoria, evidenziando elementi a favore e prove contro di essa. La seconda parte descrive in dettaglio il funzionamento dei modelli di machine learning utilizzati per l'analisi empirica centrale utilizzando dati reali relativi ad alcuni dei più importanti indici del mercato azionario americano e di quello italiano per valutare le prestazioni dei modelli nella previsione dei prezzi futuri. In conclusione, viene effettuata un'analisi comparativa dei risultati ottenuti nei diversi mercati e con diverse specifiche dei modelli, con una prospettiva di possibili approfondimenti futuri.

This work aims at analysing the performance of some machine learning models in predicting stock market prices to understand to what extent these models can identify recognisable patterns within historical price series. This topic is fascinating because these results can (or cannot) represent empirical evidence against the Efficient Market Hypothesis. This fundamental economic theory states that future market prices are not easily predictable, and thus, investors cannot consistently gain a financial return higher than the market’s average return. The first part of the work reviews some central studies on the Efficient Market Hypothesis and the theoretical analysis of the analytical models underlying this theory, highlighting elements in favour and evidence against it. The second part deeply describes the functioning of the machine learning models used for the core empirical analysis using actual data relating to some of the most important indexes of the American and Italian stock markets to evaluate the performance of the models in predicting future prices. In conclusion, a comparative analysis of the results obtained in the different markets and with different models’ specifications is carried out with a view to possible future insights.