Metodi Safe AI per le Previsioni dei Prezzi delle Azioni: Un Caso di Studio su Alphabet Inc.

This analysis aims to compare the performance of four distinct models in predicting Alphabet’s closing stock price: Long Short-Term Memory, Feedforward Neural Networks, Extreme Gradient Boosting, and Ridge Regression. Starting form the information available on the web, three datasets have been constructed to compare different aspects of the company Alphabet, known for the Google search engine but offering also other services. At the beginning the sectors attributed to Alphabet by companiesmarketcap.com have been analyzed and then also the competitive context between US and China. To better understand Alphabet’s position, some potential competitors, both American and Chinese, have been included, namely Meta, Tencent, and Baidu. Starting from a set of variables that seemed suitable, three datasets have been created, trying to capture a broad range of information concerning both the market and internal aspects. The model results have been compared across the different models to identify the best performance, and also, across the datasets to determine which dataset allowed for more accurate forecasts. Beyond standard evaluation metrics like RMSE, MAPE, and R-squared, a specific metric has been constructed to measure the percentage of predictions that fall within a 5% and 10% interval from the actual values. This comparison allowed for a more detailed understanding of model performance and prediction errors. Safe AI metrics have been also included in the evaluation to broaden the capability of the models in terms of accuracy, explainability and robustness

L’analisi ha l’obiettivo di confrontare le performance di quattro modelli distinti nella previsione del prezzo di chiusura delle azioni di Alphabet: Long Short-Term Memory, Feedforward Neural Network, Extreme Gradient Boosting e Ridge Regression. Partendo dalla letteratura disponibile sul web (articoli accademici e codici github) i dataset sono stati costruiti confrontando diversi aspetti relativi alla società Alphabet, che possiede il motore di ricerca Google ed altri servizi. Inizialmente sono stati analizzati i settori attribuiti all'azienda da companiesmarketcap.com e il contesto competitivo tra Stati Uniti e Cina. Per capire la posizione di Alphabet, sono stati inclusi anche potenziali concorrenti sia americani che cinesi, nello specifico Meta, Tencent e Baidu. Ciò ha permesso di valutare meglio la posizione di mercato della società in questione. Partendo da alcune variabili che sembravano pertinenti, sono stati creati tre dataset, cercando di catturare una vasta gamma di informazioni sia a livello di mercato che interne alla società oggetto di studio. I risultati dei modelli sono stati confrontati sia tra i diversi modelli per identificare le rispettive prestazioni, sia tra i dataset per determinare quale dei tre permetteva previsioni più accurate. Oltre alle metriche standard di valutazione come RMSE, MAPE e R-quadrato, è stata calcolata una metrica specifica per misurare la percentuale di previsioni che rientrano in un intervallo del 5% e del 10% intorno ai valori effettivi. Tale confronto consente una comprensione più dettagliata delle prestazioni dei modelli a livello di performance ma anche di errore nelle previsioni. Le metriche di Safe AI sono state incluse nella valutazione per ampliare la capacità dei modelli in termini di accuratezza, spiegabilità e robustezza.