Il volume fornisce un’introduzione all’uso dei big data e delle tecniche di analisi, tra cui il machine learning, per la stima e l’impiego di indicatori di sentiment nell’asset management. Particolare enfasi viene data alla distinzione tra le molteplici opportunità offerte da fonti di dati alternativi nella teoria e nella pratica della gestione di portafoglio e alla necessità di incorporare il sentiment nei processi decisionali tipici dell’asset management. Oltre a una trattazione teorica, che spazia dai principi della finanza comportamentale alle moderne metodologie del machine learning, il testo è arricchito da casi di studio derivati dalla pratica aziendale su come il sentiment possa influenzare le strategie di portafoglio. Particolare attenzione è riservata agli indicatori di sentiment inferibili dai social media e alle tecniche di analisi testuale. Le varie tecniche di analisi del sentiment sono applicate alle diverse tipologie di portafoglio e approcci di gestione, distinguendo tra mercati azionari, obbligazionari, delle commodity e valutari. Si esamina, inoltre, come il sentiment possa essere sfruttato per prevedere eventi ricorrenti, ivi comprese le crisi finanziarie.
Big data e sentiment analysis. Il futuro dell'asset management
| Titolo | Big data e sentiment analysis. Il futuro dell'asset management |
| Autori | Massimo Guidolin, Monia Magnani, Paola Mazza |
| Prefazione | Emilio Barucci |
| Collana | Cultura di impresa |
| Editore | EGEA |
| Formato |
Libro: Libro in brossura |
| Pagine | 296 |
| Pubblicazione | 10/2021 |
| ISBN | 9788823837935 |