A technical analysis of financial markets and enhancement through evolutionary algorithms

When talking about the evolution of prices in financial markets there is always an antithesis between people who claim that there is no possibility to track stock prices in any way, and on the other side people such as trading practitioners and brokers who often claim that there are techniques capable to produce positive returns with statistical significance. These techniques belong to the discipline of technical analysis of financial markets. In this work a taxonomy of all the most popular technical analysis techniques is provided, and from their evaluation is concluded that some of these techniques can really produce statistically significative positive returns. Then a new representation model for more complex composite indicators is proposed, trying to improve their performance, and an evolutionary algorithm is set up in order to explore the space of all possible composite indicators. Finally the best learned composite indicators are summarized and their performance enhancements compared. These enhancements confirm the success of both the introduction of a representation model for composite indicators and the adoption of evolutionary algorithms as approach to explore the space of composite indicators. Moreover they pave the way for further theoretical studies through more complex composite indicators and practical applications such as the realization of automated trading systems based on the best performing composite indicators.

Quando si parla di evoluzione dei prezzi nei mercati finanziari si verifica frequentemente una netta contrapposizione fra coloro, tipicamente economisti accademici, che sostengono l'impossibilità di anticipare l'andamento dei prezzi in alcun modo, e coloro quali professionisti del commercio e intermediari finanziari che al contrario sostengono di possedere tecniche in grado di produrre profitti statisticamente significactivi. Queste tecniche si sono diffuse e affinate fino a costituire una vera e propria disciplina chiamata analisi tecnica dei mercati finanziari. Questa tesi innanzi tutto offre una tassonomia degli indicatori di analisi tecnica più popolari e una sistematica analisi statistica delle loro performance, dalla quale si evince che alcuni di questi indicatori sono effetivamente in grado di generare profitti statisticamente significativi. Quindi viene proposto un nuovo modello di rappresentazione per indicatori compositi più complessi al fine di cercare di migliorarne le performance, e viene progettato un algoritmo evolutivo al fine di esplorare lo spazio dei possibili indicatori compositi. Infine vengono comparati i migliori indicatori compositi appresi dall'algoritmo evolutivo e il loro miglioramento prestazionale rispetto agli indicatori semplici. Questo effettivo miglioramento conferma il successo sia dell'introduzione di un modello di rappresentazione per indicatori compositi che l'assunzione degli algoritmi evolutivi come approccio per esplorarne lo spazio dimensionale. Il lavoro apre la strada a ulteriori studi teorici tramite indicatori compositi con un maggior numero di gradi di complessità, e realizzazioni pratiche, prima fra tutte la realizzazione di sistemi di trading automatizzati basati sugli indicatori compositi più performanti.