Impatto del COVID-19 sulle previsioni del mercato finanziario

La pandemia di COVID-19 ha avuto un grande impatto sulle economie globali, compresi i mercati finanziari in Europa e il mercato delle criptovalute come il Bitcoin. Questo studio analizza come le incertezze del mercato siano cambiate durante le diverse fasi della pandemia: prima che iniziasse, durante e dopo. Esaminando i prezzi giornalieri e le performance degli indici, valutiamo diversi modelli di previsione per vedere quanto bene possano prevedere le fluttuazioni del mercato.

#Obiettivi dello studio

I principali obiettivi di questo studio sono confrontare diversi modelli di previsione, inclusi quelli statistici tradizionali e i modelli di machine learning più recenti. Vogliamo vedere come questi modelli si comportano nel prevedere i cambiamenti nei principali mercati finanziari europei e nel Bitcoin durante la pandemia. Capendo come funzionano i modelli, possiamo fornire migliori spunti per investitori e analisti.

#Impatto del COVID-19 sul mercato

Dall'inizio del 2020, i mercati finanziari hanno vissuto grande volatilità. La pandemia ha creato incertezze che hanno portato a significative diminuzioni dei prezzi delle azioni in tutto il mondo. Studi hanno mostrato un legame tra il numero di casi di COVID-19 e la performance dei mercati azionari, con i mercati che reagivano di più all’aumento dei casi rispetto al numero di decessi. Questa situazione ha sollevato preoccupazioni su come la pandemia abbia cambiato permanentemente il panorama finanziario e come le strategie di gestione degli asset debbano adattarsi.

#Importanza delle previsioni accurate

Per prendere decisioni migliori negli investimenti, è essenziale sviluppare modelli accurati per le previsioni del mercato azionario. La allocazione degli asset è un metodo che gli investitori usano per bilanciare rischio e rendimento, aggiustando quanto denaro mettere in diversi investimenti. Nonostante l'importanza di questo lavoro, molti studi si sono concentrati principalmente sul mercato statunitense, lasciando un gap nella ricerca sui mercati europei.

#Metodologia della ricerca

In questo studio, esaminiamo i mercati azionari europei e il Bitcoin, suddividendo l'analisi in tre periodi chiave: prima della pandemia, durante l'apice della pandemia e gli effetti in corso dal 2021. Usando vari modelli di previsione, tra cui il Modello ARIMA, approcci di machine learning e modelli ibridi, valutiamo la volatilità in questi mercati.

#Raccolta dei dati

Lo studio si basa su dati giornalieri dei prezzi del Bitcoin e dei principali indici finanziari europei dal 2018 al 2021. Abbiamo raccolto questi dati da fonti finanziarie online affidabili. La nostra analisi copre diverse importanti borse, tra cui la Borsa di Londra e Euronext.

#Volatilità del mercato

La volatilità del mercato si riferisce a quanto i prezzi oscillano. Durante la pandemia, abbiamo notato cambiamenti estremi nei prezzi delle azioni, con forti aumenti e cali. Queste fluttuazioni erano più pronunciate nei mercati finanziari tradizionali rispetto ai mercati delle criptovalute, che si comportavano in modo diverso.

#Analisi dei modelli di previsione

#Modelli statistici tradizionali

Il modello ARIMA è un modello statistico ben noto che aiuta a prevedere i futuri punti in una serie basandosi sui suoi valori passati. È spesso usato per le previsioni delle serie temporali e considera vari fattori come tendenze e stagionalità.

#Modelli di machine learning

I modelli di machine learning, come l'algoritmo k-Nearest Neighbors (k-NN), analizzano i dati per trovare schemi. Questo metodo guarda alle caratteristiche dei dati esistenti per fare previsioni sui nuovi punti dati. Aiuta a dare senso a dataset complessi dove i modelli tradizionali potrebbero avere difficoltà.

#Modelli ibridi

I modelli ibridi combinano elementi sia di approcci tradizionali che di machine learning per sfruttare i loro punti di forza. Per esempio, il modello ETS-ANN unisce metodi di smussamento esponenziale con reti neurali artificiali, permettendo previsioni migliori considerando vari schemi.

#Valutazione delle performance dei modelli

Utilizziamo diversi indicatori per valutare quanto bene si comportano i diversi modelli nel prevedere i movimenti del mercato. Gli indicatori comuni includono l'errore medio assoluto (MAE), l'errore quadratico medio (RMSE) e l'errore percentuale assoluto medio (MAPE). Queste misure ci aiutano a determinare quale modello fornisca le previsioni più accurate.

#Risultati delle performance

Le scoperte iniziali indicano che prevedere i prezzi del Bitcoin presenta una sfida, con livelli di precisione non molto alti per nessun modello durante la pandemia. Tuttavia, il modello ARIMA ha generalmente offerto prestazioni migliori rispetto al metodo k-NN in vari periodi di tempo. Il modello ibrido ETS-ANN ha spesso mostrato risultati migliori rispetto ai modelli tradizionali, ma ha comunque affrontato sfide, specialmente nel 2018 e nel 2019.

#Principali scoperte sui mercati

Mentre alcuni modelli hanno eccelso in mercati specifici, le previsioni complessive sono rimaste difficili, specialmente per il Bitcoin. I modelli ARIMA e ETS-ANN hanno mostrato prestazioni costanti, ma il modello k-NN a volte ha performato meglio in periodi volatili. Questa variabilità sottolinea l'importanza di scegliere il modello giusto a seconda delle condizioni di mercato specifiche e dei timeframe.

#Bitcoin vs. Mercati europei

Le previsioni dei prezzi di Bitcoin erano meno accurate rispetto alle previsioni per mercati europei come l'indice DAX o FTSE. Questa discrepanza mette in evidenza le caratteristiche uniche delle criptovalute, che sono spesso più volatili e difficili da prevedere rispetto alle azioni tradizionali.

#Modelli di recupero

Dopo forti cali, molti degli indici finanziari hanno mostrato segni di recupero. Tuttavia, il recupero del Bitcoin era più imprevedibile, riflettendo la sua natura come criptovaluta. In generale, i mercati azionari europei sembravano stabilizzarsi più rapidamente rispetto al Bitcoin durante la pandemia.

#Implicazioni per gli investitori

Le scoperte di questo studio forniscono spunti utili per analisti finanziari e investitori. Comprendere quali modelli funzionano meglio in diverse condizioni di mercato può guidare le strategie di investimento e le pratiche di gestione del rischio. Utilizzando, ad esempio, il modello ibrido ETS-ANN, gli analisti possono ottenere preziose intuizioni che potrebbero portare a decisioni di investimento migliori.

#Limitazioni e ricerca futura

Sebbene questo studio offra importanti spunti, ha anche limitazioni. Ad esempio, abbiamo usato gli stessi parametri del modello per tutto il periodo di analisi, il che potrebbe non aver tenuto conto dei cambiamenti nelle condizioni di mercato. La ricerca futura potrebbe ampliare questo lavoro testando una gamma più ampia di modelli di previsione e variabili.

#Conclusione

In sintesi, gli impatti del COVID-19 sui mercati finanziari sono stati profondi, portando a un aumento della volatilità e dell'incertezza. Esplorando una varietà di modelli di previsione, possiamo capire meglio come prevedere i movimenti del mercato. Sebbene modelli come ARIMA e ETS-ANN abbiano mostrato promesse, prevedere i prezzi delle criptovalute rimane una sfida. Previsioni accurate sono cruciali per gli investitori che desiderano affrontare efficacemente questi tempi incerti.