Analisi Tecnica e Gestione del Portafoglio: Strumenti e Strategie per l’Asset Management

This thesis explores the role of technical analysis in portfolio management, highlighting its potential as a complementary tool to fundamental analysis and as operational support for modern asset management. After outlining the theoretical foundations of technical analysis, the research examines the main tools and operational strategies, such as trend-following and mean-reverting, while assessing their risks and limitations. The empirical part focuses on the development and testing of the TRank model, a systematic asset allocation algorithm applied to a portfolio of real ETFs. Based on momentum and relative strength criteria, the model selects the best-performing instruments and dynamically adapts to changing market conditions. The five-year backtest produced significant results: annualized returns above 13%, controlled volatility, limited drawdowns, and a higher Sharpe ratio compared to a static equal-weighted benchmark. The conclusions emphasize the robustness of the model, its replicability in both retail and institutional contexts, and its potential applications within robo-advisory frameworks. At the same time, intrinsic limitations are discussed, such as portfolio concentration, high turnover, and the lack of macroeconomic filters, along with possible future improvements. Ultimately, the thesis demonstrates how technical analysis, when integrated into a quantitative framework, can provide simple yet effective solutions within portfolio management, bridging traditional interpretative approaches with modern operational innovation.

La presente tesi analizza il ruolo dell’analisi tecnica nella gestione di portafoglio, ponendo in evidenza le sue potenzialità come strumento complementare all’analisi fondamentale e come supporto operativo all’asset management moderno. Dopo aver delineato i fondamenti teorici dell’analisi tecnica, la ricerca approfondisce i principali strumenti e strategie operative, tra cui trend-following e mean-reverting, e ne valuta rischi e limiti applicativi. La parte empirica si concentra sullo sviluppo e il test del modello TRank, un algoritmo di asset allocation sistematica applicato a un portafoglio di ETF reali. Attraverso criteri di momentum e forza relativa, il modello seleziona gli strumenti più performanti, adattandosi dinamicamente alle condizioni di mercato. Il backtest su un periodo di cinque anni ha evidenziato risultati rilevanti: rendimento annualizzato superiore al 13%, volatilità contenuta, drawdown limitato e Sharpe ratio più elevato rispetto a un benchmark statico equal-weighted. Le conclusioni sottolineano la robustezza del modello, la sua replicabilità anche in contesti non professionali e la possibilità di applicarlo sia in ambito retail che istituzionale, inclusi scenari di robo-advisory. Vengono inoltre discussi i limiti intrinseci, come la concentrazione del portafoglio, il turnover elevato e l’assenza di filtri macroeconomici, insieme a possibili miglioramenti futuri. In definitiva, la tesi dimostra come l’analisi tecnica, integrata in un framework quantitativo, possa offrire soluzioni semplici ed efficaci all’interno di un processo di gestione del portafoglio, conciliando tradizione interpretativa e innovazione operativa.