Πρόβλεψη χρονοσειρών στο χρηματιστήριο με την χρήση σύγχρονων νευρωνικών δικτύων

Κωνσταντινόπουλος, Δημήτρης

dc.contributor.advisor	Φιλιππάκης, Μιχαήλ
dc.contributor.author	Κωνσταντινόπουλος, Δημήτρης
dc.date.accessioned	2025-11-26T11:03:01Z
dc.date.available	2025-11-26T11:03:01Z
dc.date.issued	2025-08
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/18584
dc.description.abstract	Η παρούσα εργασία προτείνει μια γενικευμένη μεθοδολογία για την πρόβλεψη της βραχυπρόθεσμης κίνησης πολλαπλών μετοχών μέσω ενός ενιαίου μοντέλου μηχανικής μάθησης, εκπαιδευμένου πάνω σε ένα υποσύνολο μετοχών του δείκτη S&P 500. Η μεθοδολογία περιλαμβάνει την άντληση και επεξεργασία ιστορικών δεδομένων, την εξαγωγή χαρακτηριστικών και τη στατιστική ανάλυσή τους, καθώς και την ανάπτυξη και αξιολόγηση ενός LSTM μοντέλου με βέλτιστες παραμέτρους. Τα αποτελέσματα αναδεικνύουν τη δυνατότητα του προτεινόμενου μοντέλου να αποτυπώνει αποδοτικά τις βραχυπρόθεσμες μεταβολές στην τάση των τιμών των μετοχών.	el
dc.format.extent	60	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.title	Πρόβλεψη χρονοσειρών στο χρηματιστήριο με την χρήση σύγχρονων νευρωνικών δικτύων	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων	el
dc.description.abstractEN	The present work proposes a generalized methodology for forecasting the short-term movement of multiple stocks using a unified machine learning model trained on a subset of S&P 500 stocks. The methodology includes the collection and processing of historical data, the extraction of features and their statistical analysis, as well as the development and evaluation of an LSTM model with optimized parameters. The results highlight the ability of the proposed model to effectively capture short-term fluctuations in stock price trends.	el
dc.contributor.master	Πληροφοριακά Συστήματα και Υπηρεσίες	el
dc.subject.keyword	Νευρωνικά δίκτυα	el
dc.subject.keyword	Χρονοσειρές	el
dc.subject.keyword	Μετοχές	el
dc.subject.keyword	Χρηματιστήριο	el
dc.date.defense	2025-11-05

Αρχεία σε αυτό το τεκμήριο

Name:: Konstantinopoulos_me2313.pdf
Μέγεθος:: 3.207Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα

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