Network Topology Analysis and Machine Learning Techniques for Systemic Risk Prediction in U.S. Equity Markets
Abstract
Questo lavoro indaga il potere predittivo delle Graph Neural Networks (GNN) nella previsione di eventi di rischio sistemico. Modellando i mercati finanziari come reti complesse dinamiche, estraiamo feature topologiche che agiscono come segnali di early warning. Lo studio mostra come tali segnali possano essere integrati in strategie di algorithmic trading per mitigare il downside risk durante fasi di turbolenza di mercato, superando benchmark tradizionali.
Tipo
Publicazione
University of Rome Tor Vergata - School of Economics and Finance
Authors
Stefano Blando
(lui/lui)
Dottorando in Intelligenza Artificiale
Stefano Blando e dottorando nel Programma Nazionale di Dottorato in Intelligenza
Artificiale presso la Scuola Superiore Sant’Anna e l’Universita di Pisa. La sua ricerca si
colloca all’intersezione tra AI, agent-based modeling ed economia. Studia sistemi
multi-agente adattivi, verifica statistica di simulazioni economiche e metodi quantitativi
robusti per dati finanziari e socio-economici.