Trade chart pattern recognition : statistical and deep learning approaches by means of technical indicators

Nowadays, market forecasts hold a significant interest in both the industry and academia. The common thread that unites all the enthusiasts is the willingness to recognize patterns and anomalies for predicting the market behavior. The use of technical indicators, which mainly rely on price and volume trends, is the traditional approach to identify patterns in the financial assets. Our thesis aims to predict both the market behavior and the future price through novel technical indicators based on sentiment analysis and market volume. Our studies prove that predicting market trends is more significant than predicting the price itself. In the end, we also show how, within an efficient trading strategy, neural networks have a higher predictive ability than the traditional approaches.

Al giorno d'oggi, le previsioni sull'andamento dei mercati finanziari suscitano l'attenzione sia delle imprese che del mondo accademico. Tutti gli appassionati sono spinti dal desiderio di riconoscere i pattern e le anomalie di mercato che permettano di prevederne il comportamento. L'uso di indicatori tecnici, principalmente basati sull'andamento dei prezzi e dei volumi, è il classico approccio per identificare i modelli delle attività finanziarie. Questa tesi mira a prevedere sia le tendenze di mercato che il prezzo futuro attraverso nuovi indicatori tecnici basati sull'analisi del sentiment e i volumi. I nostri studi dimostrano che prevedere il comportamento del mercato è più importante di determinarne il prezzo stesso. Infine, questi studi provano che, nell'ambito di una efficiente strategia di trading, le reti neurali ottengono migliori previsioni delle tendenze di mercato rispetto alle tecniche tradizionali.