Upward and downword spread crosssing event prediction in cryptocurrencies using deep learning

Sopilidis, Stefanos; Σοπιλίδης, Στέφανος

dc.contributor.advisor	Sotiropoulos, Dionisios
dc.contributor.advisor	Σωτηρόπουλος, Διονύσιος
dc.contributor.author	Sopilidis, Stefanos
dc.contributor.author	Σοπιλίδης, Στέφανος
dc.date.accessioned	2025-10-03T13:00:42Z
dc.date.available	2025-10-03T13:00:42Z
dc.date.issued	2025-09
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/18170
dc.format.extent	45	el
dc.language.iso	en	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-sa/3.0/gr/	*
dc.title	Upward and downword spread crosssing event prediction in cryptocurrencies using deep learning	el
dc.title.alternative	Πρόβλεψη γεγονότων ανόδου και καθόδου διασταύρωσης στις κρυπτονομισματικές αγορές με χρήση βαθιάς μάθησης	el
dc.type	Bachelor Dissertation	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής	el
dc.description.abstractEN	The thesis focuses on the Upward and Downward Spread Crossing Event Prediction in Cryptocurrencies using Deep Learning. The basic idea is using deep learning techniques to predict certain conditions that might happen in the limit order book, a market structure used to store user orders, which when happen can lead to arbitrage opportunities. The primary techniques used in the thesis were Transformer models and specifically the TransLOB model and also linear regression and each time we experimented with different dataset preprocessing in order to achieve better accuracy.	el
dc.subject.keyword	Deep learning	el
dc.subject.keyword	Transformers	el
dc.subject.keyword	Event-prediction	el
dc.subject.keyword	TransLOB	el
dc.subject.keyword	Limit-order-book	el
dc.date.defense	2025-09-08

Αρχεία σε αυτό το τεκμήριο

Name:: thesis.pdf
Μέγεθος:: 1.122Mb
Τύπος:: PDF
Description:: Bachelor dissertation

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Πληροφορικής

Εμφάνιση απλής εγγραφής

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Παρόμοια Διανομή 3.0 Ελλάδα