Sequential pattern mining applied to the prediction of out-of-the-ordinary financial events. Combining heterogeneous events extracted from financial time series and newspaper articles

Being able to understand the financial market is very important for investors. In fact, given the width and complexity of the topic, tools to support investor deci- sions are badly needed in such a sector. In this thesis Mercurio will be presented, a system that supports the decision-making process of financial investors through the automatic extraction and analysis of financial data coming from the Web. Mercurio formalizes the knowledge and reasoning of an expert in financial journalism and uses it to identify relevant events within financial newspapers. Moreover, it performs automatic analysis of financial indexes to identify relevant events related to the stock market. Then, sequential pattern mining is used to predict exceptional events on the basis of the knowledge of their past occurrences and relationships with other events. Thanks to this, investors are warned in advance of the presence of a possible financial event and have all the time necessary to determine the most suitable time to position itself in the market. This research is motivated by the promising results from several studies carried out in the economic sphere, especially regarding the impact of the news on the stock market based on the assumption of the Efficient Market Hyphotesis (EMH). The results very encouraging and the innovative nature of such a system have allowed us to obtain important scientific publications.

Essere in grado di comprendere i possibili futuri movimenti del mercato finanziario è molto importante per gli investitori. Infatti, vista l’ampiezza e la complessità dell’ argomento in questione, gli strumenti automatici a supporto del decision-making sono estramente indispensabili in questo settore. In questa tesi viene presentato Mercurio, un sistema che supporta il processo deci- sionale degli investitori attraverso un innovativo modello di previsione di possibili eventi finanziari attraverso l’ estrazione automatica e l’analisi dei dati finanziari provenienti dal Web. Mercurio e' in grado di formalizzare la conoscenza e il ragionamento di un esperto in giornalismo finanziario e di utilizzarlo per identificare eventi rilevanti a partire dal contenuto dei quotidiani finanziari. A ciò si aggiunge un’ analisi automatica degli indici finanziari essenziale per identificare gli eventi rilevanti legati al mercato azionario. Infine, il sistema è in grado di costruire un modello predittivo grazie ad algoritmi di sequential pattern mining, orientato alla previsione di eventi finanziari eccezionali sulla base della conoscenza delle loro occorrenze e relazioni con altri eventi passati. Grazie a ciò gli investitori vengono avvertiti anticipatamente della presenza di un possibile evento finanziario e hanno tutto il tempo necessario per determinare il momento più adatto per posizionarsi nel mercato. Tale ricerca è motivata dagli incoraggianti risultati provenienti da numerosi studi effettuati in ambito economico, soprattutto circa l’impatto delle notizie sul mercato azionario basato sull’ipotesi dell’ Efficient Market Hyphotesis (EMH). I risultati molto confortanti e il carattere innovativo di un tale sistema ci hanno permesso di ottenere importanti pubblicazioni scientifiche