Show simple item record

dc.contributor.advisorΦιλιππάκης, Μιχαήλ
dc.contributor.authorΠαλληκάρης, Ηρακλής
dc.date.accessioned2023-12-11T06:51:30Z
dc.date.available2023-12-11T06:51:30Z
dc.date.issued2023-10-12
dc.identifier.urihttps://dione.lib.unipi.gr/xmlui/handle/unipi/16094
dc.identifier.urihttp://dx.doi.org/10.26267/unipi_dione/3516
dc.description.abstractΣτα πλαίσια της συγκεκριμένης διπλωματικής εργασίας το πρόβλημα το οποίο εξετάστηκε, αφορούσε την πρόβλεψη χρονοσειρών στο χρηματιστήριο με χρήση νευρωνικών δικτύων. Από βιβλιογραφικής άποψης αρχικά παρουσιάστηκαν εισαγωγικές έννοιες περί νευρωνικών δικτύων και μεθόδων πρόβλεψης χρονοσειρών. Όσο αφορά το πρακτικό μέρος της διπλωματικής εργασίας, αποφασίστηκε να δοκιμαστούν τρεις διαφορετικές τοπολογίες νευρωνικών δικτύων και ελήφθησαν πειραματικά αποτελέσματα για διάφορα χρονικά παράθυρα πρόβλεψης. Η αξιολόγηση των τριών διαφορετικών αρχιτεκτονικών πραγματοποιήθηκε ως προς την μετρική RMSE, αλλά και ως προς την χρήση γραφικών παραστάσεων για την σύγκριση μεταξύ προβλεπόμενων και πραγματικών τιμών. Επίσης αξίζει να αναφερθεί ότι η πειραματική διαδικασία πραγματοποιήθηκε σε περιβάλλον MATLAB και το σύνολο των δεδομένων εισόδου προερχόταν από τον χρηματιστηριακό δείκτη S & P 500. Ένα πρώτο συμπέρασμα, το οποίο προέκυψε από την πραγματοποίηση της πειραματικής διαδικασίας είναι ότι και στις 3 περιπτώσεις αρχιτεκτονικών και για όλες τις τιμές χρονικών παραθύρων ελήφθησαν ικανοποιητικά αποτελέσματα όσο αφορά το σφάλμα μεταξύ πραγματικών και προβλεπόμενων τιμών. Ένα δεύτερο συμπέρασμα το οποίο προέκυψε είναι ότι ο μεγάλος όγκος του συνόλου δεδομένων (εγγραφές οι οποίες καλύπτουν τα έτη 1950 έως 2014), αλλά και η κανονικοποίηση των δεδομένων η οποία εφαρμόστηκε, συνέβαλλαν με θετικό τρόπο στην αύξηση της ποιότητας των αποτελεσμάτων .Επιπλέον, το περιβάλλον MATLAB αποτέλεσε ένα αρκετά χρήσιμο εργαλείο για την πραγματοποίηση της πειραματικής διαδικασίας. Σημαντικά πλεονεκτήματα είναι το φιλικό προς τον χρήστη περιβάλλον διεπαφής, αλλά και η χρήση έτοιμων συναρτήσεων για την δημιουργία του εκάστοτε νευρωνικού δικτύου. Επιπλέον, η εύκολη δημιουργία γραφικών παραστάσεων διαδραμάτισε σημαντικό ρόλο στην ανάλυση και οπτικοποίηση των δεδομένων.el
dc.format.extent81el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Πειραιώςel
dc.titleΝευρωνικά δίκτυα και εφαρμογές αυτών για την πρόβλεψη χρονοσειρών στο χρηματιστήριοel
dc.typeMaster Thesisel
dc.contributor.departmentΣχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτωνel
dc.description.abstractENIn the context of this thesis, the problem that was examined concerned the prediction of time series in the stock market using neural networks. From a bibliographic point of view, introductory concepts on neural networks and time series prediction methods were initially presented. As for the practical part of the thesis, it was decided to test three different neural network topologies, and experimental results were obtained for various prediction time windows. The evaluation of the three different architectures was carried out in terms of the RMSE metric, but also in terms of the use of graphs to compare predicted and actual values. It is also worth mentioning that the experimental procedure took place in a MATLAB environment and all the input data came from the S & P 500 stock index. A first conclusion, derived from carrying out the experimental procedure is that in all 3 cases of architectures and for all time window values satisfactory results were obtained in terms of the error between actual and predicted values. A second conclusion is that the large volume of the dataset (records covering the years 1950 to 2014), as well as the normalization of the data implemented, contributed in a positive way to the increase in the quality of the results .In addition, the MATLAB environment has been a quite useful tool for carrying out the experimental process. Important advantages are the user-friendly interface, as well as the use of ready-made functions for the creation of each neural network. In addition, the easy creation of graphs played an important role in the analysis and visualization of data.el
dc.corporate.nameΙνστιτούτο Πληροφορικής και Τηλεπικοινωνιών του ΕΚΕΦΕ «Δημόκριτος»el
dc.contributor.masterΤεχνητή Νοημοσύνη - Artificial Intelligenceel
dc.subject.keywordΝευρωνικά δίκτυαel
dc.subject.keywordΠρόβλεψη χρονοσειρώνel
dc.subject.keywordMATLABel
dc.date.defense2023-11-02


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record


Βιβλιοθήκη Πανεπιστημίου Πειραιώς
Contact Us
Send Feedback
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»