Network metrics for FinTech services: an application on robot-advisors and crypto assets.

The last decade has witnessed the rapid development of a broad range of Financial Technology (FinTech) services. This work shows innovations in two functions of FinTech: robot-advisory platforms and crypto prices. Robot-advisors involve the provision of online automated investment services without human contact. For this reason, they may reduce costs and improve the quality of the service, making user involvement more transparent. However, this digital platforms may underestimate market risks, leading to a mismatch between investors' expected and actual risk. In particular, this work demonstrates how random matrix theory and network models can be combined to construct investment portfolios that provide lower risks and higher returns with respect to standard Markowitz portfolios. According to digital currencies that allow online payments to be sent directly from one party to another without going through a financial institution, this work analyses the dynamics of crypto asset prices and, specifically, how price information is transmitted among different bitcoin market exchanges, and between bitcoin markets and traditional ones. The methodology adopted groups bitcoin prices from different exchanges, as well as classic assets, by enriching the correlation based minimal spanning tree algorithm with a preliminary filtering method based on the random matrix approach. To this aim, main empirical findings are: i) bitcoin exchange prices are positively related with each other and, among them, the largest exchanges drive the prices; ii) bitcoin exchange prices are not affected by classic asset prices while their volatilities are, with a negative and lagged effect. Some of the most known techniques can be combined in order to reach up completely different goals, from one side the construction of asset allocation model and to the other the detection of mechanisms of price information between traditional and new financial products.

L'ultimo decennio ha visto il rapido sviluppo di un'ampia gamma di servizi della tecnologia finanziaria (FinTech). Questo lavoro mostra innovazioni in due funzioni di FinTech: piattaforme di robot-advisors e prezzi delle cryptovalute. I robot-advisors prevedono la fornitura di servizi di investimento automatizzato online, in modo tale da ridurre i costi e migliorare la qualità del servizio, rendendo più trasparente il coinvolgimento degli utenti. Tuttavia, queste piattaforme digitali possono sottostimare i rischi di mercato, portando a una discrepanza tra il rischio atteso ed effettivo degli investitori. Il lavoro dimostra come random matrix theory e modelli di rete possano essere combinati per costruire portafogli di investimento che offrano rischi più bassi e rendimenti più elevati rispetto ai portafogli di Markowitz. In riferimento alle monete virtuali che consentono di inviare pagamenti online direttamente da una parte all'altra senza passare attraverso un istituto finanziario, questo lavoro analizza le dinamiche dei prezzi delle criptovalute e, in particolare, il modo in cui le informazioni sui prezzi vengono trasmesse tra i diversi mercati bitcoin e tra mercati bitcoin e mercati tradizionali. La metodologia concerne l'algoritmo di spanning tree basato sulla correlazione con un metodo di filtraggio preliminare basato sull'approccio random matrix. A tale scopo, i principali risultati empirici sono: i) i prezzi di scambio dei bitcoin sono positivamente correlati tra loro e, tra questi, i principali bitcoin guidano i prezzi; ii) i prezzi di scambio dei bitcoin non sono influenzati dai prezzi delle attività classiche mentre le loro volatilità lo sono, con un effetto negativo e ritardato. Alcune delle tecniche più note possono essere combinate al fine di raggiungere obiettivi diversi, da un lato la costruzione di un modello di asset allocation e dall'altro il rilevamento di meccanismi di informazione sui prezzi tra prodotti finanziari nuovi e tradizionali.