TUTORIAL FINANZA QUANTITATIVA

Nei precedenti articoli abbiamo introdotto la statistica bayesiana, ricavato analiticamente una proporzione binomiale con priori coniugati e abbiamo descritto le basi della Markov Chain Monte Carlo tramite l’algoritmo Metropolis. In questo articolo introduciamo la modellazione di regressione nel framework bayesiano ed eseguiamo l’inferenza utilizzando la libreria MCMC di PyMC3 . Iniziamo riassumendo l’approccio classico, o frequentista, alla regressione lineare multipla. Quindi

Nei precedenti articoli sull’inferenza bayesiana abbiamo introdotto la statistica bayesiana e considerato come dedurre una proporzione binomiale usando il concetto di distribuzione a priori coniugata. Abbiamo descritto come non tutti i modelli possono utilizzare la distribuzione a priori coniugata, quindi il calcolo della distribuzione a posteriori dovrebbe essere approssimato numericamente. In questo articolo introduciamo la principale famiglia

Nel precedente articolo relativo alle statistiche bayesiane è stata esaminata la regola di Bayes ed evidenziato come permette di aggiornare razionalmente le convinzioni sull’incertezza dopo aver avuto evidenza di nuove prove. E’ stato inoltre brevemente accennato che tali tecniche stanno diventando estremamente importanti nei campi della data science e della finanza quantitativa. In questo articolo

Negli ultimi mesi abbiamo descritto su TradingQuant molti aspetti del trading quantitativo quali i modelli di machine learning, l’analisi delle serie temporali e l’implementazione di un’ambiente di backtesting. A questo punto è utile introdurre le moderne tecniche matematiche che sono alla base non solo della finanza quantitativa e del trading algoritmico, ma anche dei campi