Νευρωνικά δίκτυα και εφαρμογές αυτών για πρόβλεψη χρονοσειρών στο χρηματιστήριο
| dc.contributor.advisor | Φιλιππάκης, Μιχαήλ | |
| dc.contributor.author | Θωμαίσινας, Βασίλειος | |
| dc.date.accessioned | 2024-04-29T07:09:46Z | |
| dc.date.available | 2024-04-29T07:09:46Z | |
| dc.date.issued | 2024 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/16424 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/3846 | |
| dc.description.abstract | Τα τελευταία χρόνια η επιστημονική και τεχνολογική εξέλιξη έχει οδηγήσει στην καθολικότητα της χρήσης νευρωνικών δικτύων για την επίλυση διάφορων προβλημάτων. Μια απ’ τις πολλές εφαρμογές των νευρωνικών δικτύων, αφορά στη χρήση τους για την ανάλυση και πρόβλεψη χρονοσειρών που αφορούν χρηματιστηριακούς δείκτες. Στην εν λόγο εργασία παρουσιάζονται οι κύριες αρχιτεκτονικές νευρωνικών δικτύων που χρησιμοποιούνται για την ανάλυση χρονοσειρών. Με χρήση των γλωσσών προγραμματισμού R και Python, αναλύουμε 4 χρονοσειρές που αφορούν χρηματιστηριακούς δείκτες εταιρειών που σχετίζονται με την αυτοκινητοβιομηχανία, μοντελοποιούμε κατάλληλα τα προβλήματα της πρόβλεψης τιμών χρονοσειρών και πρόβλεψης μελλοντικής τάσης αυτών, εκπαιδεύουμε κατάλληλα νευρωνικά δίκτυα για την επίλυση αυτών των προβλημάτων κι αξιολογούμε τα αποτελέσματα των πειραμάτων | el |
| dc.format.extent | 59 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Νευρωνικά δίκτυα και εφαρμογές αυτών για πρόβλεψη χρονοσειρών στο χρηματιστήριο | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | In recent years, scientific and technological advancements have led to the ubiquity of neural networks for solving various problems. One of the many applications of neural networks involves their use in the analysis and prediction of time series data related to financial indices. This paper presents the main architectures of neural networks used for time series analysis. Using the programming languages R and Python, we analyze four time series related to stock market indices of companies in the automotive industry, appropriately model the problems of time series price forecasting and forecasting future trends, train suitable neural networks to solve these problems, and evaluate the results of the experiments. | el |
| dc.contributor.master | Πληροφοριακά Συστήματα και Υπηρεσίες | el |
| dc.subject.keyword | Neural networks | el |
| dc.subject.keyword | Stock market prediction | el |
| dc.date.defense | 2023-09-26 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα