dc.contributor.advisor | Αλέπης, Ευθύμιος | |
dc.contributor.advisor | Alepis, Efthimios | |
dc.contributor.author | Πατεράκης, Κωνσταντίνος Ανδρούτσος | |
dc.contributor.author | Paterakis, Konstantinos Androutsos | |
dc.date.accessioned | 2022-01-17T12:30:17Z | |
dc.date.available | 2022-01-17T12:30:17Z | |
dc.date.issued | 2021-12 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/14048 | |
dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/1471 | |
dc.description.abstract | Οι μετοχές είναι ίσως το πιο δημοφιλές χρηματοπιστωτικό μέσο που εφευρέθηκε για την οικοδόμηση πλούτου και αποτελούν το επίκεντρο κάθε επενδυτικού χαρτοφυλακίου. Από τις τελευταίες δεκαετίες, παρατηρήθηκε μια εκρηκτική αύξηση του ενδιαφέροντος του μέσου ατόμου για το χρηματιστήριο μέσα από τη συνεχώς επιταχυνόμενη πρόοδο στην τεχνολογία των συναλλαγών. Έτσι σήμερα σχεδόν οποιοσδήποτε μπορεί να κατέχει μετοχές. Σε μια οικονομικά εκρηκτική αγορά όπως το χρηματιστήριο είναι σημαντικό να έχουμε μια ακριβή πρόβλεψη για μια μελλοντική τάση. Αυτή η ακριβής πρόβλεψη της τιμής μιας μετοχής όμως είναι κάτι το εξαιρετικά δύσκολο λόγω πολλαπλών παραγόντων, όπως η πολιτική, οι παγκόσμιες οικονομικές συνθήκες, τα απροσδόκητα γεγονότα, η οικονομική απόδοση μιας εταιρείας κ.ο.κ. Οι παράγοντες αυτοί ωστόσο επίσης σημαίνουν ότι υπάρχει και πληθώρα διαθέσιμων δεδομένων για ανάλυση. Σε αυτή την πτυχιακή θα προσπαθήσουμε να προβλέψουμε σε πραγματικό χρόνο την τιμή της μετοχής των δέκα μεγαλύτερων εταιρειών στο χρηματιστήριο του Nasdaq χρησιμοποιώντας δεδομένα που είναι διαθέσιμα στο ευρύ κοινό από την ιστοσελίδα https://finance.yahoo.com, σε συνδυασμό με μοντέλα τεχνητής νοημοσύνης. | el |
dc.format.extent | 33 | el |
dc.language.iso | en | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc/3.0/gr/ | * |
dc.title | Πρόβλεψη μετοχών χρηματιστηρίου με τη χρήση τεχνητής νοημοσύνης | el |
dc.title.alternative | Prediction of stock market stocks using artificial intelligence | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
dc.description.abstractEN | Stocks are perhaps the most popular financial instrument invented to build wealth and focus on every investment portfolio. In recent decades, there has been an explosive increase in the average person’s interest in the stock market through the ever-accelerating advancement in trading technology. Therefore, today almost anyone can own stocks. In an economically volatile market as the stock market, it is essential to have an accurate forecast for a future trend. However, this accurate prediction of a stock’s price is challenging due to many factors, such as politics, global economic conditions, unexpected events, the financial performance of a company, and so on. These factors, however, also mean that there is a wealth of data available for analysis. In this thesis, we will try to predict in real-time the stock price of the ten largest companies on the Nasdaq exchange market using data available to the general public from https://finance.yahoo.com, in combination with artificial intelligence models. | el |
dc.contributor.master | Προηγμένα Συστήματα Πληροφορικής | el |
dc.subject.keyword | Stock market | el |
dc.subject.keyword | Stocks | el |
dc.subject.keyword | Machine learning | el |
dc.subject.keyword | Prediction | el |
dc.date.defense | 2021-12 | |