Neural networks and their usage in stock market price prediction

Giouroukis, Marios; Γιουρούκης, Μάριος

dc.contributor.advisor	Filippakis, Michael
dc.contributor.advisor	Φιλιππάκης, Μιχαήλ
dc.contributor.author	Giouroukis, Marios
dc.contributor.author	Γιουρούκης, Μάριος
dc.date.accessioned	2025-06-30T06:11:42Z
dc.date.available	2025-06-30T06:11:42Z
dc.date.issued	2024
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/17883
dc.description.abstract	Η παρούσα μεταπτυχιακή διπλωματική εργασία εξετάζει τη χρήση τεχνητών νευρωνικών δικτύων για την πρόβλεψη της τιμής της μετοχής της εταιρείας Tesla. Αξιοποιούνται μοντέλα βαθιάς μάθησης, όπως τα Recurrent Neural Networks (RNN) και Long Short-Term Memory (LSTM), τα οποία είναι κατάλληλα για την ανάλυση και πρόβλεψη χρονοσειρών. Η εργασία περιλαμβάνει συλλογή και επεξεργασία ιστορικών δεδομένων της μετοχής, σχεδίαση και εκπαίδευση των μοντέλων, και αξιολόγηση των αποτελεσμάτων με βάση δείκτες σφάλματος. Τα αποτελέσματα δείχνουν ότι τα LSTM μοντέλα παρουσιάζουν βελτιωμένη ακρίβεια έναντι των παραδοσιακών μεθόδων πρόβλεψης, αναδεικνύοντας τις δυνατότητες των σύγχρονων αλγορίθμων μηχανικής μάθησης στην πρόβλεψη χρηματοοικονομικών δεικτών.	el
dc.format.extent	67	el
dc.language.iso	en	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nd/3.0/gr/	*
dc.title	Neural networks and their usage in stock market price prediction	el
dc.title.alternative	Νευρωνικά δίκτυα και η χρήση τους στην πρόβλεψη τιμών χρηματιστηρίου	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων	el
dc.description.abstractEN	This postgraduate dissertation explores the use of artificial neural networks for predicting the stock price of Tesla. Deep learning models such as Recurrent Neural Networks (RNN) and Long Short-Term Memory (LSTM) networks are utilized, as they are well-suited for analyzing and forecasting time series data. The study includes the collection and preprocessing of historical stock data, the design and training of predictive models, and the evaluation of their performance using error metrics. The results indicate that LSTM models achieve improved accuracy compared to traditional forecasting methods, highlighting the potential of modern machine learning algorithms in financial time series prediction.	el
dc.contributor.master	Προηγμένα Συστήματα Πληροφορικής	el
dc.subject.keyword	Neural networks	el
dc.subject.keyword	Stock price prediction	el
dc.subject.keyword	Time series forecasting	el
dc.subject.keyword	Deep learning	el
dc.subject.keyword	Tesla	el
dc.subject.keyword	Machine learning	el
dc.date.defense	2025-06-18

Αρχεία σε αυτό το τεκμήριο

Name:: Neural Networks and their usage ...
Μέγεθος:: 1.700Mb
Τύπος:: PDF
Description:: Master thesis

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems

Εμφάνιση απλής εγγραφής

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα