Επεξεργασία οικονομικών δεδομένων με χρήση αλγόριθμων μηχανικής μάθησης.
Φόρτωση...
Αρχεία
Ημερομηνία
Συγγραφείς
Ντόρη, Αντουάν
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Στην παρούσα εργασία επιχειρήθηκε η πρόβλεψη της συμπεριφοράς οικονομικών δεικτών και πιο συγκεκριμένα ισοτιμιών νομισμάτων. Για τον σκοπό αυτό περισσότερες από 70 ισοτιμίες συσχετίστηκαν μεταξύ τους ανά δύο, για χρονικό διάστημα 2 ετών, με σκοπό να αποκαλυφθούν ισοτιμίες, οι οποίες αντιδρούν παρόμοια σε οικονομικά γεγονότα ή οι οποίες επηρεάζουν η μια την άλλη. Αφού εντοπίστηκε ένα ζεύγος ισοτιμιών που πληροί ενδείξεις για κάτι τέτοιο, διενεργήθηκαν πειράματα ταξινόμησης με σκοπό την ποσοτικοποίηση της ακρίβειας μιας τέτοιας πρόβλεψης. Ο Μπευζιανός Ταξινομητής, το δένδρο Απόφασης C4.5, και οι Μηχανές Διανυσμάτων Υποστήριξης εφαρμόστηκαν σε ένα πρόβλημα 3 κατηγοριών. Τα αποτελέσματα τα οποία εξήχθησαν δεν ξεπέρασαν το 50% σε ακρίβεια, γεγονός που φανερώνει ότι η συμπεριφορά των δεικτών αυτών δεν επετεύχθη να μοντελοποιηθεί, τουλάχιστον με τα συγκεκριμένα χρονικά περιθώρια και τα συγκεκριμένα χαρακτηριστικά που χρησιμοποιήθηκαν.
This study attempts the prediction of behavior for financial indexes such as forex indexes. For this reason, over 70 forex indexes have been correlated, to indicate if there are cases that a forex index affect other ones. A correlation matrix is computed for all the pairs of forex indexes. Ideed, we have found that two indexes present high correlation. A classification problem is scheduled for the highest correlated pair of indexes, using three classes. Bayes Classifier, C4.5 Decision Tree, and Support Vector Machines have been employed in order to quantify the prediction accuracy for such a problem. The obtained results presents accuracy lower the 50%, which is not satisfactory value. Perhaps, either the employed features which have been used for classification, or the nature of forex indexes itself, could not be extracted by a prediction model.
This study attempts the prediction of behavior for financial indexes such as forex indexes. For this reason, over 70 forex indexes have been correlated, to indicate if there are cases that a forex index affect other ones. A correlation matrix is computed for all the pairs of forex indexes. Ideed, we have found that two indexes present high correlation. A classification problem is scheduled for the highest correlated pair of indexes, using three classes. Bayes Classifier, C4.5 Decision Tree, and Support Vector Machines have been employed in order to quantify the prediction accuracy for such a problem. The obtained results presents accuracy lower the 50%, which is not satisfactory value. Perhaps, either the employed features which have been used for classification, or the nature of forex indexes itself, could not be extracted by a prediction model.
Περιγραφή
Λέξεις-κλειδιά
Οικονομικά δεδομένα
Θεματική κατηγορία
Εξόρυξη δεδομένων, Αλγόριθμοι
Παραπομπή
Σύνδεσμος
Πτυχιακή εργασία
Γλώσσα
el
Εκδίδον τμήμα/τομέας
Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Όνομα επιβλέποντος
Γιαννακέας, Νικόλαος
Εξεταστική επιτροπή
Γενική Περιγραφή / Σχόλια
Τμήμα Μηχανικών Πληροφορικής Τ.Ε. - Α/Α 1458
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Τ.Ε.Ι. Ηπείρου
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Ντόρη, Α., 2016. Επεξεργασία οικονομικών δεδομένων με χρήση αλγόριθμων μηχανικής μάθησης. Πτυχιακή εργασία. Άρτα. Τ.Ε.Ι. Ηπείρου. Σχολή Τεχνολογικών Εφαρμογών. Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Ονόματα συντελεστών
Αριθμός σελίδων
82
Λεπτομέρειες μαθήματος
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα