Raggruppamento di serie storiche finanziarie in presenza di cambiamenti di regime: un approccio basato su modelli a mistura finita.

Lo scopo principale del clustering è quello di ripartire un insieme di dati in gruppi tali che ciascuno di essi contenga osservazioni omogenee tra loro ma differenti da quelle degli altri gruppi, il tutto sulla base delle caratteristiche dei dati stessi. A causa dell'elevato grado di arbitrarietà che contraddistingue i metodi di clustering euristici come quelli gerarchici e di partizione, negli ultimi decenni si sono sempre più diffusi approcci più rigorosi. Tra questi vi è l'approccio model-based in cui si assume che i dati osservati siano stati generati da un modello probabilistico, noto a meno di un certo numero di parametri, su cui verte l'inferenza. Data poi l'esistenza di serie storiche con cambiamenti di regime causati da fattori per lo più esogeni agli strumenti finanziari, lo scopo di questa relazione è quello di osservare come reagiscono serie diverse ad uno shock comune, raggruppandole mediante l'utilizzo di un modello a mistura finita sulla base del modello che esse seguono prima e dopo lo shock stesso.