Modellazione stocastica per mercati complessi
Deep learning, optimal transport e teoria dei grafi applicati a serie storiche reali. Metodologie validate peer-reviewed che diventano sistemi operativi in produzione.
Emiliano Mari
CEO di Sydus · Quantitative Researcher
8 pub.
2021–2025
# Visibility graph, community detection on N=1826 observations
La differenza tra un modello e un modello che funziona in produzione
68%
dei modelli predittivi fallisce in produzione per assunzioni distributive errate
Journal of Financial Economics, 2023
4×
superiore alle baseline GARCH in fit empirico sul mercato italiano 2019–2023
Mari, 2024, Wasserstein Barycenter Approach
8
pubblicazioni peer-reviewed su modellazione stocastica, ML e mercati energetici
ResearchGate, Emiliano Mari, CEO Sydus
La ricerca di Emiliano Mari
8 articoli peer-reviewed su modellazione stocastica avanzata, machine learning finanziario e analisi dei mercati energetici. Dal laboratorio al sistema in produzione.
Information-Driven Modeling of Energy Markets: An Unbalanced Wasserstein Barycenter Approach
A novel methodology for jointly modeling gas and electricity price dynamics combining graph-based Machine Learning and optimal transport theory. Visibility graph embeddings + Wasserstein barycenter via Shannon entropy maximization. Applied to Italian market data 2019–2023: the model reveals natural gas as structurally dominant, outperforming all GARCH-type benchmarks.
A Distribution-Free Neural Estimator for Mean Reversion with Application to Energy Commodity Markets
Visibility Graph Analysis of Financial Time Series: A Comparative Study of Gas and Power Price Dynamics in the Italian Energy Market
Stochastic DNN-based Models Meet Hidden Markov Models: A Challenge on Natural Gas Prices at the Henry Hub
Power System Portfolio Selection and CO₂ Emission Management Under Uncertainty Driven by a DNN-Based Stochastic Model
Occam's Razor, Machine Learning, and Stochastic Modeling of Complex Systems: The Case of the Italian Energy Market
Deep Learning Based Regime-Switching Models of Energy Commodity Prices
Gaussian Clustering and Jump-Diffusion Models of Electricity Prices: A Deep Learning Analysis
Dal laboratorio al blog
Le metodologie spiegate in modo accessibile.
Parliamoci
Raccontaci dei tuoi dati
Descrivi la serie storica, l'obiettivo e il settore. Facciamo una call esplorativa gratuita per valutare la fattibilità e l'approccio metodologico più adatto.
Analisi preliminare gratuita
Valutiamo la struttura dei tuoi dati e la fattibilità del progetto senza impegno.
Metodologie validate
Approcci pubblicati su riviste peer-reviewed applicati al tuo caso d'uso reale.
Nessun impegno
Il preventivo non vincola a nulla. Puoi decidere dopo la call esplorativa.