Scopo del progetto è lo sviluppo di nuovi modelli concettuali e computazionali per il problema della gestione del rischio finanziario nella scelta di portafoglio per singoli investitori o società finanziarie e assicurative.
I modelli di gestione del rischio che si basano sull'ottimizzazione di opportune misure soffrono in generale del problema dell'amplificazione degli errori nei dati di input. Ciò determina un'alta sensibilità delle soluzioni ottime alle stime dei parametri utilizzati nelle funzioni obiettivo da ottimizzare.
In questo progetto studiamo nuovi approcci che consentano di conciliare il classico paradigma di minimizzazione del rischio, nell'approccio rischio-rendimento, con alcune recenti strategie per la diversificazione del rischio che limitano l'amplificazione degli errori di stima. Intendiamo anche analizzare nuove strategie di ¿filtraggio¿ dei dati con lo scopo di eliminare le osservazioni estreme (outliers) dalle serie storiche dei rendimenti dei titoli osservati. Inoltre, approfondiremo una linea di ricerca di recente sviluppo basata su modelli su reti. Il mercato dei titoli finanziari è rappresentato con una rete e vengono applicate tecniche di clustering per garantire una gestione efficiente dell'insieme degli asset effettivamente utilizzati per la selezione del portafoglio.
Le metodologie di ottimizzazione, le strategie di filtraggio e le tecniche di clustering proposte conducono a problemi di ottimizzazione diversi, spesso caratterizzati dalla presenza di variabili binarie e da una notevole complessità computazionale.
Si intende quindi approfondire lo studio sia dei modelli che delle tecniche di soluzione e la verifica empirica delle nuove formulazioni dei problemi di gestione del rischio e di asset management per capire se sono computazionalmente gestibili e se, dal punto di vista della performance empirica, sono preferibili ai modelli classici. Le prestazioni dei portafogli selezionati vengono valutate con indici di performance diversi.
