Data-Driven Finance: Artificial Intelligence and Machine Learning under Global Uncertainty

Over the last decade, financial markets have experienced a profound transformation driven by digitalisation, technological innovation and the unprecedented expansion of information ecosystems. In an increasingly interconnected world, characterised by geopolitical instability, economic uncertainty and rapidly evolving market conditions, the ability to access, process and interpret vast amounts of information has become a fundamental determinant of financial decision-making. As a result, the traditional sources of competitive advantage in financial markets are progressively being complemented, and in some cases surpassed, by the capacity to transform data into actionable knowledge through advanced analytical tools and Artificial Intelligence. Against this backdrop, this thesis investigates the relationship between financial market dynamics and information-based indicators, with the aim of exploring how uncertainty may influence market behaviour and investors’ expectations over time. Particular attention is devoted to major geopolitical events, including Brexit and the Israel–Hamas conflict, whose repercussions have extended well beyond their immediate political dimensions, affecting risk perception, market sentiment and asset price dynamics on a global scale. Within this context, information is no longer merely a reflection of market activity; it increasingly represents a strategic resource capable of shaping expectations and influencing financial outcomes. The study further examines the contribution of Artificial Intelligence and Machine Learning techniques to the analysis and prediction of financial market behaviour. By adopting a data-driven perspective, the research seeks to evaluate how advanced predictive methodologies can enhance the interpretation of complex market relationships, identify hidden patterns and support decision- making processes in environments characterised by high levels of uncertainty. Rather than replacing traditional financial analysis, these approaches complement2 existing methodologies by providing new instruments through which market dynamics can be observed, interpreted and anticipated. In conclusion, this thesis argues that contemporary financial markets are undergoing a structural shift in which information has become one of the most valuable economic resources. In an era where the ability to collect, process and exploit data increasingly determines strategic advantage, competition extends far beyond capital itself. The new frontier of financial power is no longer defined solely by who owns capital, but by who controls information. In this sense, the most significant battle of our time is no longer fought over resources, territories or market: it is fought over data.

Nell'ultimo decennio, i mercati finanziari hanno vissuto una profonda trasformazione guidata dalla digitalizzazione, dall'innovazione tecnologica e dall'espansione senza precedenti degli ecosistemi informativi. In un mondo sempre più interconnesso, caratterizzato da instabilità geopolitica, incertezza economica e condizioni di mercato in rapida evoluzione, la capacità di accedere, elaborare e interpretare enormi quantità di informazioni è diventata un fattore determinante fondamentale del processo decisionale finanziario. Di conseguenza, le fonti tradizionali di vantaggio competitivo nei mercati finanziari vengono progressivamente affiancate, e in alcuni casi superate, dalla capacità di trasformare i dati in conoscenza operativa attraverso strumenti analitici avanzati e l'Intelligenza Artificiale. In questo contesto, la presente tesi indaga la relazione tra le dinamiche dei mercati finanziari e gli indicatori basati sull'informazione, con l'obiettivo di esplorare come l'incertezza possa influenzare il comportamento del mercato e le aspettative degli investitori nel corso del tempo. Particolare attenzione è dedicata ai grandi eventi geopolitici, tra cui la Brexit e il conflitto Israele–Hamas, le cui ripercussioni si sono estese ben oltre la loro immediata dimensione politica, incidendo sulla percezione del rischio, sul sentiment di mercato e sulle dinamiche dei prezzi delle attività finanziarie su scala globale. In questo quadro, l'informazione non è più un semplice riflesso dell'attività di mercato; essa rappresenta sempre più una risorsa strategica capace di plasmare le aspettative e di influenzare i risultati finanziari. Lo studio esamina inoltre il contributo delle tecniche di Intelligenza Artificiale e di Machine Learning all'analisi e alla previsione del comportamento dei mercati finanziari. Adottando una prospettiva data-driven, la ricerca si propone di valutare come le metodologie predittive avanzate possano migliorare l'interpretazione di relazioni di mercato complesse, individuare pattern nascosti e4 supportare i processi decisionali in contesti caratterizzati da elevati livelli di incertezza. Anziché sostituire l'analisi finanziaria tradizionale, questi approcci integrano le metodologie esistenti, fornendo nuovi strumenti attraverso i quali le dinamiche di mercato possono essere osservate, interpretate e anticipate. In conclusione, questa tesi sostiene che i mercati finanziari contemporanei stanno attraversando un cambiamento strutturale in cui l'informazione è diventata una delle risorse economiche di maggior valore. In un'epoca in cui la capacità di raccogliere, elaborare e sfruttare i dati determina in misura crescente il vantaggio strategico, la competizione si estende ben oltre il capitale stesso. La nuova frontiera del potere finanziario non è più definita soltanto da chi possiede il capitale, ma da chi controlla l'informazione. In questo senso, la battaglia più significativa del nostro tempo non si combatte più per le risorse, i territori o i mercati: si combatte per i dati.