AUEB Library - Digital Repository

PYXIDA Institutional Repository
and Digital Library

Username
Password

Collections :	Ιδρυματικό Αποθετήριο ΟΠΑ / AUEB Institutional Repository Σχολή Οικονομικών Επιστημών / School of Economics Τμήμα Οικονομικής Επιστήμης / Department of Economics Μεταπτυχιακές Εργασίες / Postgraduate dissertations

Title :	Predicting using univariate, multivariate & machine learning methods and empirical applications using R Shiny

Alternative Title :	Προβλέψεις χρησιμοποιώντας univariate, multivariate & machine learning μεθόδους και εμπειρική εφαρμογή χρησιμοποιώντας R Shiny

Creator :	Διαμάντης, Κωνσταντίνος Diamantis, Konstantinos

Contributor :	Dendramis, Yiannis (Επιβλέπων καθηγητής) Tzavalis, Elias (Εξεταστής) Pagratis, Spyros (Εξεταστής) Athens University of Economics and Business, Department of Economics (Degree granting institution)

Type :	Text

Extent :	65p.

Language :	en

Abstract :	Η παρακάτω διπλωματική εργασία αποτελεί έναν πλήρη οδηγό ανάλυσης χρονοσειρών. Αρχικά, αναλύονται τα πιο συνηθισμένα univariate μοντέλα, έπειτα αναλύονται multivariate μοντέλα με penalized regression μοντέλα, και τέλος αναλύονται μοντέλα μηχανικής μάθησης με principalcomponents analysis. Στην συνέχεια, δημιουργήθηκε μια διαδραστική εφαρμογή πρόβλεψης με χρησιμοποιώντας το ειδικό πακέτο της R το R Shiny για καλύτερη οπτικοποίηση των χρονοσειρών, δίνοντας την δυνατότητα στον χρήστη να παρατηρήσει την πρόβλεψη των σειρών και να τις τροποποιήσει. The following master’s thesis consists of a complete guidebook in time series analysis. At first, the most common univariate models are analyzed, followed by multivariate models with penalized regression methods, and last, machine learning methods with principal components analysis. Then, we create an interactive forecasting application with R Shiny to visualize time series better and enabling the user to observe the forecasting result and manipulate the selected series.

Abstract :

Η παρακάτω διπλωματική εργασία αποτελεί έναν πλήρη οδηγό ανάλυσης χρονοσειρών. Αρχικά, αναλύονται τα πιο συνηθισμένα univariate μοντέλα, έπειτα αναλύονται multivariate μοντέλα με penalized regression μοντέλα, και τέλος αναλύονται μοντέλα μηχανικής μάθησης με principalcomponents analysis. Στην συνέχεια, δημιουργήθηκε μια διαδραστική εφαρμογή πρόβλεψης με χρησιμοποιώντας το ειδικό πακέτο της R το R Shiny για καλύτερη οπτικοποίηση των χρονοσειρών, δίνοντας την δυνατότητα στον χρήστη να παρατηρήσει την πρόβλεψη των σειρών και να τις τροποποιήσει.
The following master’s thesis consists of a complete guidebook in time series analysis. At first, the most common univariate models are analyzed, followed by multivariate models with penalized regression methods, and last, machine learning methods with principal components analysis. Then, we create an interactive forecasting application with R Shiny to visualize time series better and enabling the user to observe the forecasting result and manipulate the selected series.

Subject :	Χρονοσειρές Πρόβλεψη Οικονομετρικά μοντέλα Αξιολόγηση μοντέλων Time series Forecasting Econometric models Forecast performance R Shiny

Date Issued :	21-03-2023

Date Submitted :	22-03-2023

Date Accepted :	22-03-2023

Licence :

File: Diamantis_2023.pdf

Type: application/pdf

Login