Il Machine Learning Rimescola le Regole della Classificazione
Con l’aiuto degli algoritmi di apprendimento automatico, esploriamo come sia possibile classificare gli strumenti finanziari in modo nuovo, svelando nuove prospettive di analisi.
-
-
Portafogli Statici e Fogli Elettronici
I portafogli con strategia statica sono quelli creano maggiore interesse, con un buon equilibrio tra i risultati e l’impiego richiesto per gestirli. In questo articolo introduco il programma “PFT Statico” per crearne uno.
-
Predire il DrawDown – Un Modello di Machine Learning per Misurare il Rischio (Parte 3)
In questa terza parte presenteremo un algoritmo di Machine Learning, il quale sarà addestrato per realizzare un modello per predire il Massimo DrawDown di una generica serie storica.
-
Predire il DrawDown – Un Modello di Machine Learning per Misurare il Rischio (Parte 4)
In questa quarta parte, utilizzeremo il nostro modello per predire il massimo drawdown e trarremo le conclusioni finali.
-
Predire il DrawDown – Un Modello di Machine Learning per Misurare il Rischio (Parte 2)
Le serie storiche sintetiche sono una valida risposta all’esigenza di disporre di dati sufficienti per un buon addestramento degli algoritmi di Machine Learning.
-
Predire il DrawDown – Un Modello di Machine Learning per Misurare il Rischio (Parte 1)
Le recenti tecnologie informatiche hanno dato un nuovo impulso all’Analisi Tecnica, rendendo le metodologie di Machine Learning facilmente accessibili anche ai trader e agli investitori.
-
I Caratteri di un Sottostante: Break Out e Mean Reverting
Determinare il comportamento di un sottostante è fondamentale per una strategia di successo. Scopriamolo con l’aiuto di Python.
-
Programmare un Trading System con Python
Le attuali tecnologie informatiche al servizio dell’Analisi Tecnica dei mercati finanziari
-
Il software di guida per i nostri investimenti
Per raggiungere obiettivi ambiziosi, gli strumenti da utilizzare non sono necessariamente quelli più complessi.
