Ανάλυση, μοντελοποίηση και πρόγνωση του δείκτη ναυλαγοράς Baltic Dry Index (BDI) με χρήση machine learning αλγορίθμων και νευρωνικών δικτύων

Abstract

Στα πλαίσια της παρούσας διπλωματικής εργασίας πραγματοποιείται βιβλιογραφική ανασκόπηση ερευνών οι οποίες χρησιμοποιούν αλγορίθμους μηχανικής μάθησης και νευρωνικά δίκτυα με σκοπό την πρόβλεψη του χρηματιστηριακού δείκτη Baltic Dry Index (BDI). Οι έρευνες αυτές θα κατηγοριοποιηθούν ανάλογα τον τρόπο μοντελοποίησης και πρόβλεψης που χρησιμοποιούν. Επίσης θα γίνει εκτενής αναφορά στον τρόπο με τον οποίο λειτουργεί το σύστημα της μεταφοράς χύδην ξηρού φορτίου και στους παράγοντες από τους οποίους επηρεάζεται ο δείκτης ναυλαγοράς και κατά συνέπεια και η τιμή των ναύλων, με στόχο την κατανόηση των συσχετίσεων που υπάρχουν στο σύστημα και επομένως τον καθορισμό του τρόπου δόμησης του μοντέλου που θα δημιουργηθεί για την πρόβλεψη του δείκτη.

Επιπροσθέτως θα αναλυθεί ο τρόπος λειτουργείας των αλγορίθμων μηχανικής μάθησης οι οποίοι χρησιμοποιούνται στην βιβλιογραφία για πρόβλεψη του δείκτη με σκοπό την εύρεση των αλγορίθμων οι οποίοι προσαρμόζονται καλύτερα στις ιδιαιτερότητες του χρηματιστηριακού δείκτη. Θα αναλυθεί ο τρόπος με τον οποίο θα γίνει η συλλογή, η προεπεξεργασία και η μοντελοποίησης των δεδομένων με σκοπό την χρήση τους στους κατάλληλους αλγορίθμους μηχανικής μάθησης.

Στην συνέχεια θα πραγματοποιηθεί μονομεταβλητή και πολυμεταβλητή ανάλυση (Univariate / Multivariate analysis) με σκοπό να εξεταστεί αν κάποια από τις δύο προσεγγίσεις παράγει ακριβέστερο μοντέλο πρόβλεψης του δείκτη ναυλαγοράς BDI.

Τέλος θα γίνει σύγκριση των πιο αποτελεσματικών μοντέλων για κάθε μία από τις μεθόδους ανάλυσης ενώ θα επιχειρηθεί βελτίωση του μοντέλου πρόβλεψης του δείκτη, δοκιμάζοντας τον συνδυασμό των μοντέλων που επιτυγχάνουν βέλτιστη πρόβλεψη.