Ανάλυση Οικονομικών Χρονοσειρών

Μαθησιακά Αποτελέσματα

Τα δεδομένα χρονοσειρών εκφράζουν την συμπεριφορά πολλαπλών φαινομένων όπως οι διακυμάνσεις τιμών στο χρηματιστήριο, τα δεδομένα αισθητήρων που καταγράφουν θερμοκρασία ή τη δραστηριότητα στον εγκέφαλο και άλλα. Η μηχανική μάθηση έχει αναδειχθεί ως μια ισχυρή μέθοδος για την αξιοποίηση της πολυπλοκότητας στα δεδομένα αυτά προκειμένου να διεξάγει προβλέψεις και να βγάλει στατιστικά σημαντικά συμπεράσματα για το πρόβλημα που προσπαθεί κανείς να λύσει. Στο πλαίσιο αυτό, το παρόν μάθημα αποτελεί μία τομή μεταξύ των δύο κόσμων της μηχανικής μάθησης και της διαχείρισης δεδομένων χρονοσειρών.

Μετά την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές μπορούν να χρησιμοποιούν:

1. Τη βιβλιοθήκη Pandas για επεξεργασία και οπτικοποιηση δεδομένων.
2. Τη βιβλιοθήκη Numpy για την αριθμητική επεξεργασία δεδομένων.
3. Τις βιβλιοθήκες παλινδρόμησης και χρονοσειρών για την διεξαγωγή δυναμικών προβλέψεων.
4. Τη βιβλιοθήκη Statmodels για την αξιολόγησης της ακρίβειας των προβλέψεων διαφορετικών μεθόδων

Περιεχόμενο Μαθήματος

Ενότητα 1:

Χρήση της βιβλιοθήκης Numpy για την ανάπτυξη πινάκων και την δημιουργία ευρετηρίων

Ενότητα 2:

Χρήση εργαλείων προ επεξεργασίας δεδομένων και αντικατάστασης κενών στηλών

Ενότητα 3:

Χρήση της βιβλιοθήκης Pandas για το άνοιγμα πινάκων και την διαχείριση χρονοσειρών ως αντικείμενα

Ενότητα 4:

Χρήση βιβλιοθηκών παλινδρόμησης και στατιστικής ανάλυσης και εφαρμογή τους σε δεδομένα μελέτης περίπτωσης για την επιλογή της καταλληλότερης μεθοδολογίας πρόβλεψης με κριτήριο το μέσο απόλυτο ποσοστιαίο σφάλμα πρόβλεψης

Αξιολόγηση Φοιτητών

Εργαστηριακή Εξέταση στη Γλώσσα προγραμματισμού Python

Συνιστώμενη Βιβλιογραφία

Προτεινόμενη Βιβλιογραφία:

• Tsay S. Ruey, Χριστόπουλος Διονύσιος (Επιστ. Επιμέλεια) (2024). Ανάλυση Χρονοσειρών, 3ηΈκδοση. Εκδόσεις: Α. ΤΖΙΟΛΑ & ΥΙΟΙ Α.Ε. Κωδικός Βιβλίου στον Εύδοξο:122089501.
• Κατρακυλίδης, Κ., Κοντέος, Γ., Σαριαννίδης, Ν. (2019). Σύγχρονη Οικονομετρική Ανάλυση. Εκδόσεις: ΑΛΕΞΑΝΔΡΟΣ Σ. Ι.Κ.Ε. Κωδικός Βιβλίου στον Εύδοξο: 86200122.
• Φιλιππάκης, Μ. (2019). Στατιστικές Μέθοδοι και Ανάλυση Παλινδρόμησης για τις νέες τεχνολογίες. Εκδόσεις: ΤΣΟΤΡΑΣ ΑΝ ΑΘΑΝΑΣΙΟΣ. Κωδικός Βιβλίου στον Εύδοξο:68402975.
• Παπαϊωάννου, Γ. (2001). Χαοτικές Χρονοσειρές: Θεωρία και Πράξη. Εκδόσεις: ΛΙΜΠΕΡΑΛ ΜΠΟΥΚΣ ΜΟΝΟΠΡΟΣΩΠΗ ΕΚΔΟΤΙΚΗ ΚΑΙ ΕΜΠΟΡΙΚΗ ΕΤΑΙΡΕΙΑ ΠΕΡΙΟΡΙΣΜΕΝΗΣ ΕΥΘΥΝΗΣ. Κωδικός Βιβλίου στον Εύδοξο: 50659162

Πρόσθετο Διδακτικό Υλικό:

• Tsay, Ruey S. (2005). Analysis of financial time series. John Eiley and Sons (2005).http://ndl.ethernet.edu.et/bitstream/123456789/42034/1/35.pdf.
  Wei, W. W. (2013). Time series analysis. https://civil.colorado.edu/~balajir/CVEN6833/lectures/wwts-book.pdf.

Συναφή επιστημονικά περιοδικά:

European Journal of Operational Research.
Journal of Time Series Analysis.
Journal of Time Series Econometrics.
Mathematics.
The Annals of Mathematical Statistics.
Studies in econometrics, time series, and multivariate statistics.