https://dione.lib.unipi.gr/xmlui/handle/unipi/2420 Department of Digital Systems Sat, 27 Jun 2026 03:38:10 GMT 2026-06-27T03:38:10Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19471 Ψηφιακό σύστημα διαχείρισης και χρηματοοικονομικής ανάλυσης δανείων σε ναυτιλιακή επιχείρηση με τη χρήση Python Δημητρακόπουλος, Χρυσοβαλάντης Η παρούσα εργασία αφορά τη σχεδίαση και ανάπτυξη ενός ψηφιακού συστήματος διαχείρισης και χρηματοοικονομικής ανάλυσης δανείων για μια ναυτιλιακή επιχείρηση, με τη χρήση της γλώσσας προγραμματισμού Python. Η ναυτιλία αποτελεί κλάδο έντασης κεφαλαίου, καθώς η απόκτηση και η εκμετάλλευση πλοίων απαιτούν κεφάλαια, τα οποία στις περισσότερες περιπτώσεις χρηματοδοτούνται μέσω τραπεζικού δανεισμού. Για τον λόγο αυτό, η ορθή παρακολούθηση των δανειακών υποχρεώσεων, των τόκων, των αποπληρωμών και των χρηματοδοτικών εξόδων έχει ιδιαίτερη σημασία για το λογιστήριο, το τμήμα χρηματοοικονομικής ανάλυσης και τη διοίκηση. Στο πλαίσιο της εργασίας αναπτύχθηκε πληροφοριακό σύστημα που επιτρέπει την καταχώριση και διαχείριση ναυτιλιακών δανείων, τη δημιουργία ενιαίου loan schedule με αποπληρωμές κεφαλαίου και τόκους, την καταχώριση rollover notices, την παρακολούθηση κυμαινόμενων επιτοκίων αναφοράς, όπως το SOFR, και την παρουσίαση βασικών χρηματοοικονομικών αναφορών. Επιπλέον, υλοποιήθηκε μηχανισμός υπολογισμού της απόσβεσης των arrangement fees με βάση τη μέθοδο του πραγματικού επιτοκίου, σύμφωνα με τη λογική του αποσβέσιμου κόστους και τις απαιτήσεις των Διεθνών Προτύπων Χρηματοοικονομικής Αναφοράς. Η εφαρμογή περιλαμβάνει επίσης λειτουργία εξαγωγής βασικών στοιχείων από δανειακές συμβάσεις σε μορφή PDF, με χρήση της βιβλιοθήκης pdfplumber και απλών κανόνων αναγνώρισης πεδίων. Τα στοιχεία που προτείνονται από το σύστημα ελέγχονται από τον χρήστη πριν αξιοποιηθούν. Για την ανάπτυξη χρησιμοποιήθηκαν Python, SQLite, pandas, pdfplumber και Streamlit. Τα αποτελέσματα δείχνουν ότι ένα απλό και στοχευμένο πληροφοριακό σύστημα μπορεί να βελτιώσει την οργάνωση, την ταχύτητα και την αξιοπιστία της χρηματοοικονομικής πληροφόρησης σε μια ναυτιλιακή επιχείρηση. Mon, 01 Jun 2026 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/19471 2026-06-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19459 Fake news detection in a headline-only setting : a comparative study of machine learning and deep learning models on the GossipCop dataset Sotiropoulos, Dionysios; Σωτηρόπουλος, Διονύσιος Wed, 01 Apr 2026 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/19459 2026-04-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19406 Πλαίσιο ανάλυσης αγορών κρυπτονομισμάτων με ποσοτικές, οικονομετρικές και μεθόδους μηχανικής μάθησης Μαργώνης, Χρήστος Thu, 01 Jan 2026 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/19406 2026-01-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19403 Πρόβλεψη της τιμής ηλεκτρικής ενέργειας για την αγορά επόμενης ημέρας (day-ahead) της Σερβίας με χρήση αλγορίθμων μηχανικής μάθησης Βήτας, Σπυρίδων Σκοπός της παρούσας εργασίας είναι η ανάλυση και η πρόβλεψη της τιμής ηλεκτρικής ενέργειας της αγοράς επόμενης ημέρας (Day-Ahead Market) της Σερβίας, αξιοποιώντας τεχνικές ανάλυσης χρονοσειρών και αλγορίθμους μηχανικής μάθησης. Τα δεδομένα της ηλεκτρικής ενέργειας αναλύθηκαν με στόχο την κατανόηση της συμπεριφοράς της αγοράς, ώστε να χρησιμοποιηθούν τα κατάλληλα για την δημιουργία του μοντέλου πρόβλεψης. Αναλύθηκαν τα στατιστικά χαρακτηριστικά των χρονοσειρών, η εποχικότητα, οι ακραίες τιμές και οι συσχετίσεις μεταξύ των μεταβλητών. Για την πρόβλεψη της τιμής εφαρμόστηκαν δύο διαφορετικές προσεγγίσεις: το στατιστικό μοντέλο SARIMA και ο αλγόριθμος XGBoost. Η αξιολόγηση των μοντέλων πραγματοποιήθηκε με τη χρήση μετρικών σφάλματος, καθώς και μέσω ανάλυσης των residuals. Thu, 01 Jan 2026 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/19403 2026-01-01T00:00:00Z