Επεξεργασία οικονομικών δεδομένων με χρήση αλγόριθμων μηχανικής μάθησης.

dc.contributor.authorΝτόρη, Αντουάνel
dc.date.accessioned2016-10-07T08:41:53Z
dc.date.available2016-10-07T08:41:53Z
dc.date.issued2016-10-07
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/teiep/5901
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/gr/*
dc.subjectΟικονομικά δεδομέναel
dc.titleΕπεξεργασία οικονομικών δεδομένων με χρήση αλγόριθμων μηχανικής μάθησης.el
heal.abstractΣτην 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.  el
heal.abstractThis 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.el
heal.academicPublisherΤ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.el
heal.academicPublisherIDteiep
heal.accessfree
heal.advisorNameΓιαννακέας, Νικόλαοςel
heal.bibliographicCitationΝτόρη, 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.el
heal.classificationΕξόρυξη δεδομένωνel
heal.classificationΑλγόριθμοιel
heal.dateAvailable2024-01-11T03:32:33Z
heal.fullTextAvailabilitytrue
heal.generalDescriptionΤμήμα Μηχανικών Πληροφορικής Τ.Ε. - Α/Α 1458el
heal.identifier.secondaryΠτυχιακή εργασία
heal.languageel
heal.numberOfPages82
heal.publicationDate2016
heal.recordProviderΤ.Ε.Ι. Ηπείρουel
heal.typebachelorThesis

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Προβολή: 1 - 1 of 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
1458.pdf
Μέγεθος:
2.28 MB
Μορφότυπο:
Adobe Portable Document Format
Περιγραφή:
Πτυχιακή εργασία

Φάκελος/Πακέτο αδειών

Προβολή: 1 - 1 of 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
license.txt
Μέγεθος:
3.54 KB
Μορφότυπο:
Item-specific license agreed upon to submission
Περιγραφή: