Ανάλυση χρηματοοικονομικών δεδομένων με ενίσχυση τεχνητής νοημοσύνης

Abstract

Η συνεχής ψηφιοποίηση των επιχειρησιακών διαδικασιών έχει αυξήσει τον όγκο των διαθέσιμων δεδομένων, χωρίς όμως να εξασφαλίζεται η άμεση αξιοποίησή τους. Στην πράξη, αρχεία διαφορετικής προέλευσης παρουσιάζουν συχνά ανομοιογένεια ως προς τη δομή, τις ονομασίες πεδίων, τις ημερομηνίες και τις αριθμητικές τιμές, γεγονός που καθιστά απαραίτητη την εφαρμογή συστηματικών διαδικασιών καθαρισμού, τυποποίησης και ελέγχου. Σκοπός της παρούσας διπλωματικής εργασίας είναι ο σχεδιασμός και η ανάπτυξη μιας διαδικτυακής εφαρμογής για την αυτοματοποιημένη εισαγωγή, επεξεργασία, αποθήκευση, κατηγοριοποίηση, ανάλυση και αξιοποίηση επιχειρησιακών δεδομένων. Η εφαρμογή υλοποιείται με διαχωρισμένη αρχιτεκτονική, χρησιμοποιώντας Next.js, React και TypeScript στο επίπεδο παρουσίασης, Python και FastAPI στο backend και Supabase για την σχεσιακή αποθήκευση μέσω PostgreSQL και διαχείριση φυσικών αρχείων μέσω Storage. Ιδιαίτερη έμφαση δίνεται στην ιχνηλασιμότητα, καθώς το αρχικό αρχείο, τα μεταδεδομένα του, οι αρχικές και καθαρισμένες εγγραφές και τα βασικά στάδια επεξεργασίας διατηρούνται συνδεδεμένα μέσω μοναδικών αναγνωριστικών και σχέσεων μεταξύ των πινάκων. Παράλληλα, αναπτύσσεται ανεξάρτητο σύστημα πρόβλεψης χρονοσειρών, στο οποίο διαφορετικά μοντέλα αξιολογούνται με κοινές μετρικές και διαδικασίες backtesting πριν από την επιλογή και αποθήκευση των αποτελεσμάτων. Τα επεξεργασμένα δεδομένα και οι προβλέψεις διατίθενται στη συνέχεια σε περιβάλλον επιχειρηματικής ευφυΐας για τη δημιουργία διαδραστικών αναφορών. Η τελική προσέγγιση δημιουργεί μια επαναλήψιμη ροή από το αρχικό αρχείο έως την οργανωμένη πληροφορία, περιορίζοντας την χειροκίνητη επεξεργασία και ενισχύοντας την συνέπεια και τη δυνατότητα μελλοντικής επέκτασης του συστήματος.