Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/teiep/5901Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Ντόρη, Αντουάν | el |
| dc.date.accessioned | 2016-10-07T08:41:53Z | - |
| dc.date.available | 2016-10-07T08:41:53Z | - |
| dc.date.issued | 2016-10-07 | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/teiep/5901 | - |
| 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.subject | Οικονομικά δεδομένα | el |
| dc.title | Επεξεργασία οικονομικών δεδομένων με χρήση αλγόριθμων μηχανικής μάθησης. | el |
| heal.type | bachelorThesis | - |
| heal.generalDescription | Τμήμα Μηχανικών Πληροφορικής Τ.Ε. - Α/Α 1458 | el |
| heal.classification | Εξόρυξη δεδομένων | el |
| heal.classification | Αλγόριθμοι | el |
| heal.identifier.secondary | Πτυχιακή εργασία | - |
| heal.dateAvailable | 2024-01-11T03:32:33Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Τ.Ε.Ι. Ηπείρου | el |
| heal.publicationDate | 2016 | - |
| heal.bibliographicCitation | 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. | el |
| heal.abstract | 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. | el |
| heal.abstract | 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. | el |
| heal.advisorName | Γιαννακέας, Νικόλαος | el |
| heal.academicPublisher | Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε. | el |
| heal.academicPublisherID | teiep | - |
| heal.numberOfPages | 82 | - |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Προπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε. | |
This item is licensed under a Creative Commons License
