OTTIMIZZAZIONE DI RIBILANCIAMENTI INTRAGIORNATA DEL PORTAFOGLIO IN TRADING ALGORITMICO

This thesis presents a methodology aimed at optimizing portfolio positions throughout a trading day, extending also to other days, by shaping the intraday portfolio trajectory to maximize the gross wealth. By analyzing an investor’s buying and selling activity in relation to a limit order book (LOB), the proposed approach seeks to enhance portfolio allocation while minimizing transaction costs and market impact, taking into account the limited available liquidity. The methodology builds upon the model introduced by Ha and Zhang, leveraging online portfolio selection techniques and addressing a non-linear optimization problem. The rebalancing process is conducted dynamically with online modifications ensuring adaptability to evolving market conditions and real time data. To extend the model, this thesis proposes different optimization technique— the GA and the PSO. After presenting some of the results obtained by the authors of the referred framework, we discuss the modeling complexities of the non-linear optimization problem encountered during the experimental phase of this thesis and we propose some possible solutions to them.

Questa tesi presenta la descrizione di una metodologia volta a ottimizzare le posizioni di portafoglio nell’arco di una giornata di trading, estendendo anche a pi`u giornate, per modellare la traiettoria intraday del portafoglio massimizzando la ricchezza lorda nel periodo di tempo considerato. Analizzando l’attivit`a di acquisto e vendita di un investitore in relazione a un limit order book (LOB), si desidera migliorare l’allocazione del portafoglio, riducendo al minimo i costi di transazione e l’impatto sul mercato, tenendo conto della liquidit`a limitata disponibile. Il modello introdotto da Ha e Zhang, sfruttando tecniche di selezione di portafoglio online (OPS) e affrontando un problema di ottimizzazione non-lineare, esegue il ribilanciamento di portafogli dinamicamente in tempo reale, garantendo adattabilit`a alle condizioni di mercato in evoluzione. Per estendere il modello proposto, questa tesi propone anche l’ottimizzazione attuata attraverso l’algoritmo genetico o a sciame di particelle, per capire se i risultati possano variare nell’ottimizzazione del portafoglio. Dopo aver riportato alcuni risultati ottenuti dagli autori dell’articolo su cui si `e basato questo lavoro, si espongono le complessit`a modellistiche del problema di ottimizzazione non-lineare, incontrate durante lo svolgimento a fase sperimentale di questa tesi, indicandone alcune possibili soluzioni.