Εμφάνιση απλής εγγραφής

Πρόβλεψη μετοχών χρηματιστηρίου με τη χρήση τεχνητής νοημοσύνης

dc.contributor.advisorΑλέπης, Ευθύμιος
dc.contributor.advisorAlepis, Efthimios
dc.contributor.authorΠατεράκης, Κωνσταντίνος Ανδρούτσος
dc.contributor.authorPaterakis, Konstantinos Androutsos
dc.date.accessioned2022-01-17T12:30:17Z
dc.date.available2022-01-17T12:30:17Z
dc.date.issued2021-12
dc.identifier.urihttps://dione.lib.unipi.gr/xmlui/handle/unipi/14048
dc.identifier.urihttp://dx.doi.org/10.26267/unipi_dione/1471
dc.description.abstractΟι 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.extent33el
dc.language.isoenel
dc.publisherΠανεπιστήμιο Πειραιώςel
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc/3.0/gr/*
dc.titleΠρόβλεψη μετοχών χρηματιστηρίου με τη χρήση τεχνητής νοημοσύνηςel
dc.title.alternativePrediction of stock market stocks using artificial intelligenceel
dc.typeMaster Thesisel
dc.contributor.departmentΣχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικήςel
dc.description.abstractENStocks 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.masterΠροηγμένα Συστήματα Πληροφορικήςel
dc.subject.keywordStock marketel
dc.subject.keywordStocksel
dc.subject.keywordMachine learningel
dc.subject.keywordPredictionel
dc.date.defense2021-12


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα

Βιβλιοθήκη Πανεπιστημίου Πειραιώς
Επικοινωνήστε μαζί μας
Στείλτε μας τα σχόλιά σας
Created by ELiDOC
Η δημιουργία κι ο εμπλουτισμός του Ιδρυματικού Αποθετηρίου "Διώνη", έγιναν στο πλαίσιο του Έργου «Υπηρεσία Ιδρυματικού Αποθετηρίου και Ψηφιακής Βιβλιοθήκης» της πράξης «Ψηφιακές υπηρεσίες ανοιχτής πρόσβασης της βιβλιοθήκης του Πανεπιστημίου Πειραιώς»