Lo studio di giovani studiosi della Normale sotto i riflettori di Bloomberg
I dati finanziari ad altissima frequenza e gli “ingranaggi” della matematica avanzata
PISA. Una nuova metodologia per analizzare dati finanziari ad altissima frequenza e valutare in che misura i rendimenti “tick-by-tick” assomiglino a sequenze casuali. Nella roulette della matematica finanziaria avanzata è finito sotto i riflettori di Bloomberg, una tra le più importanti agenzie internazionali di informazione economica e finanziaria il “paper” dal titolo “Emergence of Randomness in Temporally Aggregated Financial Tick Sequences” che è il frutto degli studi di Silvia Onofri, Andrey Shternshis e Stefano Marmi.
Silvia Onofri e Andrey Shternshis sono entrambi allievi del corso di PhD di Computational Methods and mathematical models for science and finance della Scuola Normale. Onofri, laureata a Roma Tre, sta concludendo il PhD sotto la supervisione dei professori Vittorio Giovannetti e Stefano Marmi (secondo relatore). Shternshis è ora post-doc all’Università Uppsala in Svezia, avendo ricevuto il titolo di PhD della Scuola Normale con Marmi e Piero Mazzarisi come supervisori. Stefano Marmi è professore ordinario di Fisica matematica.
Secondo quanto riferito dall’istituzione universitaria pisana d’eccellenza, Onofri, Shternshis e Marmi propongono «un approccio indipendente dalla scelta di un modello per generare sequenze pseudo-casuali da dati finanziari che possono essere sfruttate per ulteriori applicazioni crittografiche e di altro tipo».
Il lavoro di Silvia Onofri, Andrey Shternshis e Stefano Marmi è stato utilizzato da Bloomberg nell’articolo “Private Credit Gets Market Down”, la firma dell’artucolo è quella di Matthew Levine, uno degli editorialisti di punta. Levine nel suo articolo su Bloomberg ne deduce che «il mercato azionario è un utile generatore di numeri casuali».
