Please use this identifier to cite or link to this item: https://olympias.lib.uoi.gr/jspui/handle/teiep/8979
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΤσίντζα, Παναγιώταel
dc.date.accessioned2018-06-06T08:06:50Z-
dc.date.available2018-06-06T08:06:50Z-
dc.date.issued2018-06-06-
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/teiep/8979-
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.subjectΜεγάλα Δεδομέναel
dc.subjectΑνάλυση δεδομένωνel
dc.subjectBig Dataen
dc.subjectPythonel
dc.subjectData Analysisel
dc.title«Ανάλυση χρηματοοικονομικών δεδομένων υψηλού όγκου και ταχύτητας. Μελέτη περίπτωσης: Χαρτοφυλάκιο Ελληνικών Ναυτιλιακών Εταιριών»el
dc.titleANALYSIS OF HIGH VOLUME AND SPEED FINANCIAL DATA. CASE STUDY: PORTFOLIO OF GREEK SHIPPING COMPANIESen
heal.typemasterThesis-
heal.generalDescriptionΤμήμα Λογιστικής και Χρηματοοικονομικής MAF -- Α/Α 0070el
heal.classificationΧρηματοοικονομικές καταστάσειςel
heal.classificationΝαυτιλιακές εταιρείες -- Λογιστική-
heal.dateAvailable2024-01-06T13:21:28Z-
heal.languageel-
heal.accessfree-
heal.recordProviderΤ.Ε.Ι. Ηπείρουel
heal.publicationDate2018-06-
heal.bibliographicCitationΤσίντζα, Π., 2018. Ανάλυση χρηματοοικονομικών δεδομένων υψηλού όγκου και ταχύτητας. Μελέτη περίπτωσης: Χαρτοφυλάκιο Ελληνικών Ναυτιλιακών Εταιριών. Μεταπτυχιακή εργασία. Πρέβεζα. ΤΕΙ Ηπείρου. Σχολή Διοίκησης και Οικονομίας. Τμήμα Λογιστικής και Χρηματοοικονομικήςel
heal.abstractΗ παρούσα διπλωματική εργασία πραγματεύεται το ζήτημα των χρηματοοικονομικών προβλέψεων και εισάγει μια πρακτική εφαρμογή τους με τη χρήση των νέων τεχνολογιών και πιο συγκεκριμένα με την γλώσσα προγραμματισμού Python πάνω σε μεγάλα δεδομένα. Το ζήτημα των προβλέψεων είναι ένα ενδιαφέρον αλλά και πολύπλοκο θέμα μελέτης εφόσον εμπλέκει διάφορους τομείς όπως αυτός της Στατιστικής, των Χρηματοοικονομικών και της τεχνολογίας. Η εργασία δομείται πάνω σε 3 ενότητες. Στην πρώτη αναλύονται οι χρηματοοικονομικές αγορές ως προς τη γραμμικότητα ή μη αλλά και οι διάφοροι τύποι κινδύνου που εμπεριέχουν. Στη δεύτερη ενότητα παρουσιάζονται οι διάφορες μέθοδοι προβλέψεων των χρηματιστηριακών αγορών μετά από μια σύντομη εισαγωγή στις χρονοσειρές και προβλέψεις. Περιλαμβάνει επίσης τα διάφορα πιθανά σφάλματα κατά την διαδικασία των προβλέψεων. Η τελευταία ενότητα πραγματεύεται μια ανασκόπηση των τεχνολογικών επιτευγμάτων πάνω στην θεωρία των προβλέψεων. Περιλαμβάνει επίσης την υλοποίηση ενός προβλεπτικού συστήματος καθώς και την περιγραφή των τεχνολογιών που χρησιμοποιήθηκαν.el
heal.abstractThis Thesis discusses the issue of financial forecasts and introduces a practical application using new technologies and more specifically Python programming language on large data. The issue of forecasts is an interesting but complex subject of study since it involves a number of areas such as Statistics, Finance and Technology. The work is structured on 3 different modules. In the first one, the financial markets are analyzed in terms of linearity or not, and the different types of stock market risks are introduced. The second section presents the various stock market forecasting methods after a brief introduction to time series and forecasts. It also includes the various possible errors in the forecasting process. The last section discusses the state of art of technological achievements on predictive theory. It also includes the implementation of a predictive system and a description of the technologies used.en
heal.advisorNameΓκόγκος, Χρήστοςel
heal.advisorNameΚαραμάνης, Κωνσταντίνοςel
heal.committeeMemberNameΝαξάκης, Χαρίλαοςel
heal.academicPublisherΤμήμα Λογιστικής και Χρηματοοικονομικής, Μεταπτυχιακό Πρόγραμμα Σπουδών Λογιστική – Χρηματοοικονομική και Διοικητική Επιστήμηel
heal.academicPublisherIDteiep-
heal.numberOfPages161-
heal.fullTextAvailabilitytrue-
dc.contributor.masterΜΠΣ: Λογιστική - Χρηματοοικονομική και Διοικητική Επιστήμηel
Appears in Collections:Μεταπτυχιακές εργασίες Τμ. Λογιστικής και Χρηματοοικονομικής ΤΕΙ Ηπείρου

Files in This Item:
File Description SizeFormat 
Tsintza, P._MAF_2018.pdfΜεταπτυχιακή εργασία2.9 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons