Πρόβλεψη της μεταβλητότητας σε μεταβαλλόμενες καταστάσεις της αγοράς: η περίπτωση ανεπτυγμένων και αναπτυσσόμενων αγορών
| dc.contributor.advisor | Γκλεζάκος, Μιχαήλ | |
| dc.contributor.author | Θεοδοσίου, Γεώργιος Ι. | |
| dc.date.accessioned | 2016-06-13T10:55:29Z | |
| dc.date.available | 2016-06-13T10:55:29Z | |
| dc.date.issued | 2015-06 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/8822 | |
| dc.description.abstract | Αντικείμενο της παρούσας εργασίας είναι η πρόβλεψη της μεταβλητότητας των τιμών κλεισίματος από 7 διαφορετικές χώρες. Στο πλαίσιο αυτό οι σημαντικότερες από τις μεθοδολογίες πρόβλεψης που έχουν χρησιμοποιηθεί στο παρελθόν αναλύονται και αξιολογούνται. Στη πορεία, μερικές από τις προαναφερθείσες μεθοδολογίες χρησιμοποιούνται και εφαρμόζονται σε 7 διαφορετικές χρηματιστηριακές αγορές για 3 διαφορετικές υποπεριόδους από το 2000-2010, οι οποίες έχουν διαφορετικά χαρακτηριστικά μεταξύ τους. Τα αποτελέσματα αυτής της έρευνας έδειξαν ότι από τα απλά υποδείγματα, ο κινητός μέσος όρος και από τα σύνθετα ARCH-GARCH μοντέλα, τα EGARCH(1,1) και TARCH(1,1), είναι εκείνα που οδηγούν σε αποτελεσματικότερη εκτίμηση της μεταβλητότητας των τιμών κλεισίματος. | el |
| dc.format.extent | 95 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.title | Πρόβλεψη της μεταβλητότητας σε μεταβαλλόμενες καταστάσεις της αγοράς: η περίπτωση ανεπτυγμένων και αναπτυσσόμενων αγορών | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης | el |
| dc.description.abstractEN | The objective of this study is the forecast of financial market volatility of 7 different countries. In this context, the most frequently applied methods in the relevant previous literature were presented and appraised. After that, some of the above methodologies were applied to the data of the 7 indices for the period 2000-2010. we split our data in 3 subperiods with different characteristics each one. The results suggest that the Moving Average and the EGARCH(1,1) and TARCH(1,1) produce the most efficient results. | el |
| dc.contributor.master | Εφαρμοσμένη Στατιστική | el |
| dc.subject.keyword | Πρόβλεψη της μεταβλητότητας | el |
| dc.subject.keyword | Χρηματιστηριακοί δείκτες | el |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές