Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/13057
Τίτλος: Μελετη Προβλεψης Χρηματιστηριακων Τιμων Χρηματοπιστωτικων Ιδρυματων Με Χρηση Στατιστικων Και Μη Γραμμικων Μοντελων Και Εκτιμηση Επιδρασης Της Οικονομικης Κρισης
Συγγραφείς: Μίαρης Δημήτριος
Ασημακόπουλος Βασίλειος
Λέξεις κλειδιά: τιμή μετοχής
στατιστικά μοντέλα πρόβλεψης
τεχνητά νευρωνικά δίκτυα
μικροοικονομικές παράμετροι
μακροοικονομικές παράμετροι
χρηματοπιστωτική κρίση
Ημερομηνία έκδοσης: 21-Μαρ-2016
Περίληψη: Η ανεξέλεγκτη ανάπτυξη του παγκόσμιου χρηματοπιστωτικού συστήματος, την προηγούμενη δεκαετία, οδήγησε στην χρηματοοικονομική κρίση του 2008, η οποία επηρέασε ολόκληρο τον πλανήτη. Τις συνέπειες της κρίσης βίωσε πρώτος απ’όλους ο χρηματοπιστωτικός κλάδος, ο οποίος δέχτηκε βαρύτατο πλήγμα στην αξιοπιστία του. Ως άμεση συνέπεια αυτού οι χρηματιστηριακές τιμές των μεγαλύτερων χρηματοπιστωτικών ιδρυμάτων σημείωσαν πρωτοφανή πτώση.Η παρούσα διπλωματική εργασία έχει ως στόχο την πρόβλεψη των τιμών κλεισίματος 10 κορυφαίων τραπεζικών μετοχών, οι περισσότερες εκ των οποίων διαπραγματεύονται στο χρηματιστήριο της Νέας Υόρκης (NYSE), το μεγαλύτερο χρηματιστήριο στον κόσμο. Παράλληλα έχει ως στόχο την εκτίμηση της επίδρασης του μικροοικονομικού και μακροοικονομικού περιβάλλοντος ενός χρηματοπιστωτικού οργανισμού στην εξέλιξη της χρηματιστηριακής τιμής του.Η πρόβλεψη των τιμών αυτών γίνεται με χρήση τόσο στατιστικών μοντέλων πρόβλεψης υπό τη μορφή χρονοσειρών, όσο και αλγοριθμικών-ντετερμινιστικών μοντέλων.Συγκεκριμένα, όσον αφορά στις μεθόδους πρόβλεψης με χρήση χρονοσειρών, εφαρμόζονται οι μέθοδοι: Naive, SES, Holt, DES και Theta. Χρησιμοποιώντας ως δεδομένα τις μηνιαίες τιμές κλεισίματος των μετοχών από το 2007-2013, επιχειρείται προέκταση των μοντέλων αυτών στο μέλλον, πραγματοποιώντας μηνιαίες προβλέψεις για τις τιμές των μετοχών το έτος 2014.Ως μη γραμμικό μοντέλο, επιλέγεται να χρησιμοποιηθεί νευρωνικό δίκτυο πρόσθιας τροφοδότησης. Το δίκτυο αυτό, δέχεται ως εισόδους μηνιαίες παραμέτρους μακροοικονομικής αλλά και μικροοικονομικής φύσεως, οι οποίες τοποθετούνται χρονικά από το 2007-2013 και εντοπίζοντας τις σχέσεις που συνδέουν τις παραμέτρους αυτές με τις τιμές των μετοχών, επιχειρείται η μηνιαία πρόβλεψή τους για το 2014 και πάλι.Μετά από σύγκριση των σφαλμάτων όλων των μοντέλων που εφαρμόστηκαν, παρατηρείται ότι τα Τεχνητά Νευρωνικά Δίκτυα πέτυχαν την μεγαλύτερη ακρίβεια για την πρόβλεψη των περισσοτέρων τιμών μετοχών που εξετάστηκαν.Οι μακροοικονομικές και μικροοικονομικές παράμετροι που χρησιμοποιήθηκαν αποδεικνύεται ότι παίζουν καθοριστικό ρόλο στην εξέλιξη της τιμής μίας τραπεζικής μετοχής.
URI: http://artemis-new.cslab.ece.ntua.gr:8080/jspui/handle/123456789/13057
Εμφανίζεται στις συλλογές:Διπλωματικές Εργασίες - Theses

Αρχεία σε αυτό το τεκμήριο:
Αρχείο ΜέγεθοςΜορφότυπος 
DT2016-0037.pdf4.64 MBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.