In this work we present a case study related to portfolio optimization within an innovative framework. The problem consists of finding the trading strategy, that includes stocks and european options, which optimizes the risk profile of the bank's portfolio. Since the design variables are discrete and the objective function is irregular we resort to metaheuristics: genetic algorithm (GA) and particle swarm optimization (PSO).

In questo lavoro viene presentato un caso di studio che riguarda l'ottimizzazione di portafoglio all'interno di un framework innovativo. Il problema consiste nel trovare la strategia, che include stock e opzioni europee, in grado di ottimizzare il profilo di rischio associato al portafoglio della banca. Dal momento che le variabili che caratterizzano la strategia sono discrete e che la funzione obiettivo è irregolare, ricorriamo a degli algoritmi euristici: genetic algorithm (GA) e particle swarm optimization (PSO).

Portfolio optimization : a risk oriented trading problem with metaheuristic algorithms

GALLO, PIETRO
2017/2018

Abstract

In this work we present a case study related to portfolio optimization within an innovative framework. The problem consists of finding the trading strategy, that includes stocks and european options, which optimizes the risk profile of the bank's portfolio. Since the design variables are discrete and the objective function is irregular we resort to metaheuristics: genetic algorithm (GA) and particle swarm optimization (PSO).
BIANCHETTI, MARCO
SCARINGI, MARCO
ING - Scuola di Ingegneria Industriale e dell'Informazione
16-apr-2019
2017/2018
In questo lavoro viene presentato un caso di studio che riguarda l'ottimizzazione di portafoglio all'interno di un framework innovativo. Il problema consiste nel trovare la strategia, che include stock e opzioni europee, in grado di ottimizzare il profilo di rischio associato al portafoglio della banca. Dal momento che le variabili che caratterizzano la strategia sono discrete e che la funzione obiettivo è irregolare, ricorriamo a degli algoritmi euristici: genetic algorithm (GA) e particle swarm optimization (PSO).
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
Thesis_final_Pietro_Gallo.pdf

accessibile in internet per tutti

Descrizione: Testo della tesi
Dimensione 1.46 MB
Formato Adobe PDF
1.46 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/146102