CGS Financial Data Analysis

Un ultimo passo: i modelli ARIMA+GARCH! 📈💡

Modelli ARIMA+GARCH I modelli ARIMA + GARCH riescono ad unire stazionarietà, autocorrelazione e volatilità clustering, per avere una lettura completa delle serie storiche finanziarie!

Siamo pronti per vedere un'applicazione pratica dei modelli GARCH sui dati del future FTSE MIB! 📈💶

Modelli GARCH - applicazione pratica Proviamo ad applicare i modelli GARCH a una serie storica finanziaria: il future sull'indice FTSE MIB.

ntroduciamo i modelli GARCH, che permettono una migliore analisi della volatilità!

Modelli GARCH Come risolvere il problema della frequenza della varianza che presentano i modelli ARCH? L'introduzione dei modelli GARCH ci aiuta!

Come possiamo descrivere la volatilità clustering? Ecco i modelli ARCH!

Modelli ARCH Come poter descrivere la volatilità clustering? Introduciamo il modelli ARCH, che si prefissano proprio questo obiettivo!

Una peculiarità delle serie storiche finanziarie: la volatilità clustering! 📈💡

Volatilità Clustering Introduciamo il concetto di volatilità clustering, primo step per l'introduzione dei modelli GARCH.

Passiamo alla pratica! Possiamo prevedere l'andamento del FTSE MIB con ARIMA? 💡📈💶

Esempio di previsione ARIMA Un esempio di previsione della serie storica finanziaria con i modelli ARIMA.

Fra ARMA e ARIMA c'è solo una differenza 😇 o no?

Modelli ARIMA Differenziando d volte una serie storica, possiamo introdurre il concetto di modello ARIMA(p,d,q).

AR(p) + MA(q) = ARMA(p,q) 😇

I modelli ARMA(p,q) Dall'unione dei modelli AR(p) e MA(q) possiamo definire i modelli ARMA(p,q).

CGS Financial Data Analysis, startup genovese che si occupa di analisi matematica dei principali mercati finanziari e della creazione di ATS, automated trading system, ricerca nuovo personale da inserire nella sede di Genova con il ruolo di Junior Data Analyst.

La figura, dopo un iniziale periodo di inserimento nel team, si occuperà di:
- data collection sui principali mercati azionari europei;
- analisi dei dati tramite procedure matematiche interne;
- sviluppo dei concetti matematici di autocorrelazione e cointegrazione delle serie storiche finanziare, con applicazione sui principali mercati azionari europei;
- ideazione, costruzione, implementazione e validazione di strategie di investimento, con nuovi processi ideati ad hoc.

La figura ricercata, oltre ad essere interessata nell'esplorare il mondo della matematica finanziaria ed essere motivata nel lavorare in team, portando comunque a termine obiettivi individuali, deve possedere i seguenti requisiti fondamentali:
- laurea in matematica, statistica o affini;
- conoscenza del software Matlab;
- ottima conoscenza del pacchetto Office;
- ottima conoscenza della lingua inglese.

Il presente annuncio è rivolto ad entrambi i sessi, ai sensi delle leggi 903/77 e 125/91 e a persone di tutte le età e tutte le nazionalità, ai sensi dei decreti legislativi 215/03 e 216/03.

Continuiamo il nostro cammino nell'analisi delle serie storiche, introducendo i modelli MA(q)! 📈💡😊

I modelli Moving-Average, MA(q) Definizione e descrizione dei modelli MA(1) e MA(q).

Dopo i modelli AR(1), introduciamo i modelli AR(p). Pronti? 📈💡☺️

Modelli AR(p) Dai più semplici modelli AR(1), introduciamo la loro generalizzazione con i modelli AR(p).

Dopo una breve pausa, eccoci tornati! Riprendiamo e parliamo insieme di stima dei parametri! 💪🏼📈

Stima dei parametri per un modello AR(1) Ecco come possiamo stimare con MLE i parametri μ, σ e Φ del modello AR(1).