Εντοπίστηκε ένα σφάλμα στη λειτουργία της ΠΥΞΙΔΑΣ όταν χρησιμοποιείται μέσω του προγράμματος περιήγησης Safari. Μέχρι να αποκατασταθεί το πρόβλημα, προτείνουμε τη χρήση εναλλακτικού browser όπως ο Chrome ή ο Firefox. A bug has been identified in the operation of the PYXIDA platform when accessed via the Safari browser. Until the problem is resolved, we recommend using an alternative browser such as Chrome or Firefox.
Λογότυπο αποθετηρίου

Πλοήγηση ανά Επιβλέπων "Papailias, Fotis"

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Φιλτράρετε τα αποτελέσματα πληκτρολογώντας τα πρώτα γράμματα
Τώρα δείχνει 1 - 1 από 1
  • Μικρογραφία εικόνας
    Τεκμήριο
    Macroeconomics forecasting
    (2025-04-02) Σταυριανόπουλος, Ηλίας; Stavrianopoulos, Ilias; Antoniou, Fabio; Pagratis, Spyridon; Papailias, Fotis
    Η μακροοικονομική πρόβλεψη αποτελεί αναπόσπαστο εργαλείο για τους φορείς χάραξης πολιτικής, τις επιχειρήσεις και τα χρηματοπιστωτικά ιδρύματα, κατευθύνοντας αποφάσεις που επηρεάζουν τη σταθερότητα και την ανάπτυξη της οικονομίας. Αυτή η διπλωματική εργασία διερευνά προηγμένες μεθοδολογίες για την πρόβλεψη του Ακαθάριστου Εγχώριου Προϊόντος (ΑΕΠ), εστιάζοντας σε τρεις μεγάλες ευρωπαϊκές οικονομίες: τη Γαλλία, τη Γερμανία και το Ηνωμένο Βασίλειο. Αντιμετωπίζοντας προκλήσεις, όπως τα δεδομένα μικτής συχνότητας, οι καθυστερήσεις δημοσίευσης και οι μη γραμμικές οικονομικές σχέσεις, η εργασία υιοθετεί ένα υβριδικό πλαίσιο που συνδυάζει παραδοσιακά οικονομικά μοντέλα, δυναμικά μοντέλα παραγόντων, τεχνικές αραιής παλινδρόμησης και σύγχρονους αλγόριθμους μηχανικής μάθησης. Η προσέγγιση βασισμένη στα δεδομένα αξιοποιεί δείκτες υψηλής συχνότητας, όπως η βιομηχανική παραγωγή και η καταναλωτική εμπιστοσύνη, μαζί με τριμηνιαία δεδομένα ΑΕΠ, που εναρμονίζονται μέσω καινοτόμων τεχνικών συνάθροισης. Οι προκλήσεις ελλιπών δεδομένων αντιμετωπίζονται με τη χρήση εξομάλυνσης Kalman και μεθόδων επανασυμπλήρωσης, διασφαλίζοντας τη σταθερότητα του συνόλου δεδομένων. Τα μοντέλα πρόβλεψης περιλαμβάνουν στατιστικές μεθόδους, όπως το Auto-ARIMA, τεχνικές κανονικοποιημένης παλινδρόμησης (π.χ. LASSO, Elastic Net) και προσεγγίσεις μηχανικής μάθησης (π.χ. Random Forests, XGBoost), που αξιολογούνται με μετρικές όπως το RMSE και η κατευθυντική ακρίβεια. Τα εμπειρικά αποτελέσματα αναδεικνύουν την υπεροχή των υβριδικών μοντέλων στην αποτύπωση πολύπλοκων οικονομικών δυναμικών, ιδίως στη διαχείριση δεδομένων μικτής συχνότητας και στην παροχή προβλέψεων σε πραγματικό χρόνο. Συγκριτικές αναλύσεις μεταξύ των τριών οικονομιών αποκαλύπτουν πληροφορίες για την επίδραση των ιδιαιτεροτήτων κάθε οικονομίας στην απόδοση των προβλέψεων. Τα ευρήματα υπογραμμίζουν τη σημασία της ενσωμάτωσης παραδοσιακών και σύγχρονων μεθοδολογιών για τη βελτίωση της ακρίβειας των προβλέψεων και την υποστήριξη στρατηγικών πολιτικής και επενδύσεων. Με την προώθηση της βιβλιογραφίας για την πρόβλεψη του ΑΕΠ και την αντιμετώπιση σύγχρονων προκλήσεων, η εργασία αυτή παρέχει εφαρμόσιμες συστάσεις για τους ενδιαφερόμενους, συμβάλλοντας σε πιο ενημερωμένο και ανθεκτικό οικονομικό σχεδιασμό.