Μεταπτυχιακές Εργασίες
Μόνιμο URI για αυτήν τη συλλογήhttps://pyxida.aueb.gr/handle/123456789/61
Περιήγηση
Πρόσφατες Υποβολές
Τεκμήριο A comparative study of autoencoders and GANs for credit card fraud detection(2026-02-04) Karatzas, Konstantinos; Καρατζάς, Κωνσταντίνος; Pagratis, Spyridon; Dendramis, Yiannis; Alexopoulos, AngelosFraudulent behavior in the financial sector and its implications constitute a significant threat to the economy, society, and public trust. Detecting such behavior is therefore of crucial importance, as it enables timely intervention, and can potentially act as a deterrent. Despite this, fraud detection poses significant challenges, as it typically relies on limited labeled data and must operate under severe class imbalance. This thesis, using credit card transaction data, studies the fraud detection performance of autoencoders and GANs, while examining cross-model, architecture-level, and supervision-regime comparisons. By implementing a one-class, semi-supervised learning framework, where models are trained exclusively on non-fraudulent transactions, these deep learning models are employed to identify fraudulent transactions through various anomaly scoring and thresholding strategies, while exploring different optimization frameworks. Model performance is evaluated using the F1-score and confusion matrices, which are particularly appropriate for rare-event classification problems. The empirical analysis carried out in this study indicates that autoencoders exhibit stronger classification performance than GANs. It further shows that TPE-based optimization can yield better classification results when combined with the use of fraud labels during the optimization stage, compared to semi-supervised TPE optimization and manual search, highlighting the importance of hyperparameter selection. Overall, the findings emphasize the practical relevance of deep learning models, one-class training paradigms, and optimization method choice for fraud detection in highly imbalanced financial datasets.Τεκμήριο Optimal emission taxes and climate change in a DSGE framework(2026-01-09) Antonogeorgos, Dimitrios; Αντωνογεώργος, Δημήτριος; Varthalitis, Petros; Vassilatos, Evangelos; Economides, GeorgeThis thesis investigates the dynamics of optimal carbon emissions taxation under uncertainty in a Dynamic Stochastic General Equilibrium model from the literature, integrated with a climate module to allow for climate economy interactions. In the model, energy use in production raises atmospheric carbon concentrations, increasing global temperature and damaging productivity. dynamic Pigouvian tax on energy, set equal to the present value of future marginal climate damages so as to implement the first best planner allocation. The model is simulated to study the tax’s response to three stochastic shocks, namely productivity, energy prices, and the carbon stock. The results show that the optimal tax is procyclical, rising in good times to control emissions and falling in downturns. This dynamic adjustment acts as a stabilizer, modestly reducing business cycle volatility and insulating the economy from energy price shocks. The long-run steady state under the optimal tax features a significantly lower carbon stock alongside higher consumption, output, and leisure compared to laissez-faire. The analysis concludes that a dynamically adjusted carbon price can simultaneously mitigate climate damage and contribute to macroeconomic stability.Τεκμήριο Determinants of anti-establishment voting of Greece (2012–2023)(2026-01-29) Zannias, Ioannis; Ζαννιάς, Ιωάννης; Katsimi, Margarita; Kammas, Pantelis; Sarantides, VassilisThis dissertation investigates the impact of economic and cultural insecurity on voting behavior in Greece during the period from 2012 to 2023. In particular, the data set used includes official data for census 2011 and 2021 for 316 municipalities and data on election results by municipalities for the elections of 2012, 2015, 2019 and 2023. Economic insecurity is proxied by unemployment and the share of renters, whereas cultural insecurity is captured by the share of immigrants from non-European Union countries. The results suggest that, in the 2012, 2015 and, 2019 elections, increased economic insecurity was associated with greater support for left-wing anti establishment parties such as SYRIZA, while the cultural and identity threat was correlated with greater support for right-wing anti-establishment parties like Golden Dawn. However, these patterns for right-wing support changed in the 2023 elections, as right-wing parties tended to attract economically insecure voters. Further research is needed to identify causal effects so as to understand the roots of anti-establishment voting behavior in Greece.Τεκμήριο Climate change impacts on agricultural production: a machine learning approach for Greece(2026-01-26) Mavrogenis, Sotirios; Μαυρογένης, Σωτήριος; Pagratis, Spyridon; Kyriakopoulou, Efthymia; Vrontos, IoannisIn the present thesis, we investigate the impacts of climate change on agricultural production. The first part is to acknowledge the consequences of climate change on environment and the problems that harm the agriculture sector. The goal is to understand the relationships between climate variables and agricultural Total Factor Productivity (TFP), which can be further used in predictive analysis to avoid possible disaster. Our approach focuses on linear models and machine learning techniques. We deploy linear regression, fixed effects, breakpoints regression, time series models, regression trees and boosted regression trees. In this way, we try to explain the variability of agricultural TFP, provide breakpoints analysis and determine threshold values of important variables. The applied models are checked for explainability, interpretability and predictive power, in order to evaluate which one is the most robust and effective, using well defined metrics. At last, we conclude to policy advices and technical suggestions for an applied use of our findings, along with possible future improvements.Τεκμήριο A simulation-based comparison of pseudo-marginal MCMC methods for the stochastic volatility model(2026-01-28) Gevorgyan, Hayk; Tzavalis, Elias; Dendramis, Yiannis; Alexopoulos, AngelosStochastic volatility (SV) models offer a flexible framework to capture the time-varying nature of the volatility process, but their complex structure, which stems from the intractability of the likelihood function, makes parameter inference challenging. The dissertation provides a detailed, simulation-based comparison of several advanced Bayesian estimation methods designed to overcome this challenge, focusing on the family of pseudo-marginal Markov chain Monte Carlo (MCMC) algorithms. The core of this research is a simulation study that evaluates the performance of four main algorithms: the pseudo-marginal algorithm with importance sampler (PM-IS), its correlated version (CPM-IS), the Particle Marginal Metropolis-Hastings (PMMH) algorithm, and its correlated version (CPMMH). Two different proposal covariance structures are used for each algorithm variation - a simple diagonal covariance and an adaptive covariance. The algorithms are tested on simulated datasets of two sample sizes (𝑇 = 200 and 𝑇 = 700). The evaluation is conducted in a two-phase process. First, the reliable posterior convergence of all algorithm variants is evaluated by conducting convergence diagnostics. Second, the methods that pass these first-step checks are compared on their computational efficiency and statistical accuracy. The convergence diagnostics reveal that the choice of both the likelihood estimator and the proposal mechanism is essential for reliable inference. Only the PMMH variants that utilized an adaptive proposal covariance mechanism consistently passed all diagnostic checks, demonstrating the necessity of a proposal that can learn the structure of the correlations between parameters. The findings lead to a clear and practical recommendation: for robust and efficient estimation of SV models of relatively small sample sizes (𝑇 ≤ 700), the non-correlated Particle Marginal Metropolis-Hastings (PMMH) algorithm with an adaptive proposal mechanism is the most effective choice.Τεκμήριο Machine learning framework for expected goals inference: bridging statistical modeling and causal understadning in football analytics(2026-01-23) Troullinos, Michalis; Τρουλλινός, Μιχαήλ; Pagratis, Spyridon; Varthalitis, Petros; Alexopoulos, AngelosFootball analytics has evolved from descriptive statistics to sophisticated machine learning models, yet much of the existing research remains limited to isolated predictive or exploratory approaches. This study proposes an integrated analytical framework that combines supervised, unsupervised, and causal inference methodologies to advance the modeling of Expected Goals (xG) and deepen the understanding of shot quality and decision-making in football. Supervised models, including logistic regression, decision tree, random forests, gradient boosting, xgboost and neural network were employed to predict goal probabilities, while unsupervised methods such as Principal Component Analysis and K-Means clustering uncovered latent shot structures and tactical typologies. Isolation Forest identified rare or anomalous events, enhancing sensitivity to high-value but infrequent actions, and a Counterfactual Autoencoder introduced a causal layer that simulated “what-if” scenarios, quantifying how controlled changes in shot context, could affect the expected outcome. Experimental results demonstrate that ensemble models improve discriminative power, while unsupervised analyses reveal interpretable clusters that align with tactical behaviors on the pitch. The counterfactual component extends the framework beyond association, enabling causal insight into the determinants of chance creation. Collectively, these findings illustrate a progression from purely predictive modeling toward interpretable, context-aware, and prescriptive analytics. By bridging statistical accuracy with tactical relevance, this work contributes to the emerging paradigm of data-driven causal understanding in sports analytics, transforming raw performance data into actionable football intelligence.Τεκμήριο A comprehensive survey of economic and financial time series forecasting: from econometric models to PCA-based statistical arbitrage(2026-01-19) Vavoule, Pinelopi; Βαβουλέ, Πηνελόπη; Pagratis, Spyridon; Kospentaris, Ioannis; Tzavalis, EliasΗ παρούσα διατριβή διερευνά την εξέλιξη και την εμπειρική εφαρμογή των μεθοδολογιών πρόβλεψης σε οικονομικές και χρηματοοικονομικές χρονοσειρές. Εξετάζει τη μετάβαση από τα κλασικά οικονομετρικά υποδείγματα – όπως τα ARIMA, GARCH και VAR – προς τα σύγχρονα πλαίσια μηχανικής μάθησης, συμπεριλαμβανομένων των Gradient Boosting και Transformer. Η ανάλυση αναδεικνύει τους συμβιβασμούς μεταξύ ερμηνευσιμότητας και προγνωστικής ακρίβειας, καθώς και τον αυξανόμενο ρόλο των δεδομενοκεντρικών προσεγγίσεων σε περιβάλλοντα υψηλής διαστατικότητας. Κεντρική συμβολή της μελέτης αποτελεί η ενσωμάτωση της Ανάλυσης Κύριων Συνιστωσών (PCA) ως ενοποιητικού στατιστικού πλαισίου που γεφυρώνει την οικονομετρία με τις υπολογιστικές μεθόδους. Η PCA εφαρμόζεται σε εκτεταμένα πάνελ αποδόσεων μετοχών για την εξαγωγή λανθανόντων παραγόντων που αποτυπώνουν τη συστηματική δυναμική των αγορών, οι οποίοι στη συνέχεια ενσωματώνονται σε κανονικοποιημένα παλινδρομικά μοντέλα για την πρόβλεψη μεταβολών στην καμπύλη αποδόσεων των αμερικανικών κρατικών ομολόγων. Η εμπειρική ανάλυση βασίζεται σε ημερήσια δεδομένα τιμών μετοχών των 503 εταιρειών του δείκτη S&P 500 από το Yahoo Finance και στη διαφορά αποδόσεων 10ετούς – 2ετούς διάρκειας των αμερικανικών ομολόγων από τη βάση FRED για την περίοδο Σεπτέμβριος 2020 – Σεπτέμβριος 2025. Τα αποτελέσματα δείχνουν ότι τα υποδείγματα PCA, ιδιαίτερα εκείνα με κανονικοποίηση LASSO, υπερέχουν των κλασικών οικονομετρικών μοντέλων ως προς την ακρίβεια και τη σταθερότητα πρόβλεψης. Συνολικά, τα ευρήματα υποστηρίζουν τις υβριδικές προσεγγίσεις που συνδυάζουν την οικονομετρική δομή με τις δεδομενο-κεντρικές μεθόδους ως αποτελεσματικό πλαίσιο για την κατανόηση και πρόβλεψη των πολύπλοκων δυναμικών των χρηματοοικονομικών αγορών.Τεκμήριο Local vs global solution methods in real business cycle models: a comparative analysis of perturbation, value function iteration, endogenous grids, and neural networks(2025-12-09) Geiger, Iasonas; Γκάιγκερ, Ιάσονας; Kospentaris, Ioannis; Pagratis, Spyridon; Alexopoulos, AngelosThis thesis investigates and compares alternative numerical methods for solving the stochastic Real Business Cycle (RBC) model, focusing on the trade off between local analytical efficiency and global numerical accuracy. The analysis benchmarks four main approaches, Perturbation, Value Function Iteration (VFI), the Endogenous Grid Method (EGM), and Neural Network (NN)–based solvers, under a unified calibration based on Schmitt-Grohé and Uribe (2004). The Perturbation method provides a fast and analytically transparent local approximation, yet its accuracy deteriorates under large shocks or high volatility. A systematic stress test quantifies the precise boundary of its validity, establishing thresholds for when global methods are required. The global solvers, VFI and EGM, compute policy functions directly on the full state space, offering benchmark accuracy; among them, EGM achieves near-perfect equilibrium precision with substantially reduced computational cost. Building upon these, two Neural Network architectures are implemented: a hybrid NN(Global) trained via distillation from EGM followed by Euler-equation fine-tuning, and an autonomous NN(Equation) trained solely on the model’s structural conditions. Both achieve global accuracy comparable to traditional methods, with NN(Equation) showing superior robustness in the tails of the state space. While Neural Networks entail significant upfront training time, they enable instantaneous policy evaluation after convergence, introducing a “solve-once, simulate instantly” paradigm highly suitable for large-scale simulations and sensitivity analyses. The results confirm that local methods remain sufficient near the steady state, EGM constitutes the optimal benchmark for most global analyses, and Neural Networks provide a credible and powerful alternative for high-dimensional or computation-intensive macroeconomic applications.Τεκμήριο Occupational tasks, automation, and economic growth: a modeling and simulation approach(2025-07-15) Tritsaris, Georgios A.; Τριτσάρης, Γεώργιος; Kalyvitis, Sarantis; Panousi, Vasia; Kospentaris, IoannisThe Fourth Industrial Revolution commonly refers to the accelerating technological transformation that has been taking place in the 21st century, merging the physical with the virtual. Economic growth theories such as Romer-style models, which treat the accumulation of knowledge and its effect on production endogenously, remain relevant, yet they have been evolving to explain how the current wave of advancements in automation and artificial intelligence (AI) technology will affect productivity and different occupations. The thesis contributes to current economic discourse by developing an analytical task-based framework that endogenously integrates knowledge accumulation with frictions that describe technological lock-in and the burden of knowledge generation and validation. The interaction between production (or automation) and growth (or knowledge accumulation) is also described explicitly. To study the modes that automation and AI shape economic outcomes, I rely on computer simulation of the developed model and machine learning techniques for data analysis. The effect of the model's structural parameters on key variables such as the production output, wages, and labor shares of output is quantified, and suitable intervention strategies are briefly discussed. An important result is that wages and labor shares are not mechanically linked, instead they can be influenced independently through distinct policy levers.Τεκμήριο Modeling and forecasting macroeconomic series using non-linear econometric models(2025-05-30) Frousalias, Konstantinos; Φρουσαλιάς, Κωνσταντίνος; Tzavalis, Elias; Dendramis, Yiannis; Vrontos, IoannisΗ παρούσα διπλωματική εργασία εξετάζει την εφαρμογή μη γραμμικών οικονομετρικών μοντέλων στη μοντελοποίηση και πρόβλεψη της τριμηνιαίας πορείας του ΑΕΠ των Ηνωμένων Πολιτειών. Η αφετηρία της έρευνας βρίσκεται στους περιορισμούς των κλασικών γραμμικών μοντέλων, όπως τα ARIMA και VAR, τα οποία συχνά αποτυγχάνουν να αποτυπώσουν την πολυπλοκότητα των μακροοικονομικών μεταβλητών, ιδίως σε περιόδους κρίσεων, διαρθρωτικών αλλαγών ή καθεστωτικών μεταβολών. Για την υπέρβαση αυτών των αδυναμιών διερευνώνται μη γραμμικές προσεγγίσεις, με έμφαση στα μοντέλα Κατωφλίου (TAR και SETAR), τα μοντέλα Ομαλής Μετάβασης (STAR) και τα μοντέλα Εναλλαγής Καθεστώτων (Markov-Switching). Η μεθοδολογία της έρευνας περιλαμβάνει τη συλλογή και προεπεξεργασία των στοιχείων του ΑΕΠ, με έλεγχο στασιμότητας, επιλογή καθυστερήσεων και περιγραφική στατιστική ανάλυση. Ακολούθως, προσδιορίζονται και εκτιμώνται τόσο γραμμικά όσο και μη γραμμικά μοντέλα με οικονομετρικές τεχνικές, όπως η μέγιστη πιθανοφάνεια και οι μη γραμμικές ελάχιστες τετραγωνικές μέθοδοι. Η απόδοσή τους αξιολογείται μέσα από διαγνωστικούς ελέγχους και δείκτες ακρίβειας προβλέψεων, όπως το RMSE και το MAE, ενώ πραγματοποιούνται επιπλέον έλεγχοι μη γραμμικότητας και αιτιότητας κατά Granger για την επικύρωση των μοντέλων και τη διερεύνηση των σχέσεων μεταξύ μακροοικονομικών μεταβλητών. Η εργασία συνδυάζει τη θεωρητική ανασκόπηση της εξέλιξης από τα γραμμικά στα μη γραμμικά μοντέλα πρόβλεψης με την εμπειρική εφαρμογή στο ΑΕΠ των Η.Π.Α. Παράλληλα, εξετάζει τις μεθοδολογικές προκλήσεις που ανακύπτουν, όπως η εκτίμηση παραμέτρων και η επιλογή κατάλληλου μοντέλου, και αναδεικνύει πώς αυτές επηρεάζουν τη χρηστικότητα και την αξιοπιστία των μη γραμμικών προσεγγίσεων. Πέρα από τα τεχνικά ζητήματα, η μελέτη υπογραμμίζει τη σημασία των μη γραμμικών οικονομετρικών μεθόδων για την οικονομική πολιτική και την πρακτική εφαρμογή, παρέχοντας χρήσιμα εργαλεία σε φορείς πολιτικής, επιχειρήσεις και χρηματοπιστωτικά ιδρύματα που καλούνται να λάβουν αποφάσεις σε συνθήκες αβεβαιότητας και οικονομικής δυναμικής. Με τον τρόπο αυτό η εργασία συμβάλλει τόσο στη θεωρητική γνώση όσο και στην πρακτική αξιοποίηση των μη γραμμικών μοντέλων στη μακροοικονομική πρόβλεψη.Τεκμήριο Παράγοντες της επιχειρηματικότητας και παγκόσμια ανάλυση των χωρών στην επιχειρηματικότητα(2025-04-24) Χαρακίδα, Πατρούλα; Αντωνίου, Φάμπιο; Τζαβαλής, Ηλίας; Διοικητόπουλος, ΕυάγγελοςΠολλοί επιστήμονες όλα αυτά τα χρόνια μέχρι και σήμερα ,έχουν αναλύσει την ένωση των πολιτιστικών αξιών και συμπεριφορών με την επιχειρηματικότητα. Ο Geert Hofstede,εξήγησε εξ ολοκλήρου το μοντέλο των πολιτιστικών διαστάσεων, που εφαρμόζεται σε παγκόσμιο βαθμό για την εξήγηση της επίδρασης της κουλτούρας στις επιχειρηματικές κινήσεις.Ο Shalom Schwartz ανέλυσε τις κύριες ανθρώπινες αξίες και πώς αυτές αλλάζουν αισθητά, τις οικονομικές και κοινωνικές συμπεριφορές,ο David Audretsch ανέλυσε λεπτομερώς την έννοια της επιχειρηματικότητας σε παγκόσμιο επίπεδο σε σχέση με το πολιτιστικό περιβάλλον και άλλοι όπως ο Norris Krueger έχει δώσει έμφαση στην ανάλυση του στη σχέση μεταξύ πολιτιστικών αντιλήψεων και επιχειρηματικής πρόθεσης, και στα θεωρητικά μοντέλα όπως η Θεωρία Προγραμματισμένης Συμπεριφοράς. Θα μελετήσουμε λοιπόν για αρχή, τους παράγοντες που επηρεάζουν και αναδιαμορφώνουν την επιχειρηματικότητα των χωρών και θα συνεχίσουμε με λεπτομερή ανάλυση αυτών των αποτελεσμάτων. Η ανάλυση μας θα εστιάσει στη Θεωρία Συλλογιστικής Συμπεριφοράς γνωστή και ως BRT METHOD.Η μέθοδος αυτή ουσιαστικά ,βασίζεται στη λογική που εστιάζουν τα άτομα για να υποστηρίξουν τις επιχειρηματικές τους κινήσεις και επιλογές, δίνοντας περισσότερη προσοχή στο ότι οι πολιτιστικές αξίες παίζουν σημαντικό ρόλο όχι μόνο στις επιχειρηματικές κινήσεις αλλά και στην παραγωγικότητα των ατόμων σε γενικό επίπεδο.Για να καταλάβουμε καλύτερα της έννοια της επιχειρηματικότητας μέσω της BRT, αρκεί να μελετήσουμε το πως οι πολιτιστικές αξίες επηρεάζουν τις επιχειρηματικές αποφάσεις, μελετώντας τους λόγους που ένα άτομο θα ανοίξει τους επιχειρηματικούς του ορίζοντες και τα κίνητρα που τον οδήγησαν να πάρει αυτή την απόφαση ή να την αποφύγει.Τεκμήριο The impact of new technologies on labour and business productivity(2025-05-05) Καλαντζάκης, Στυλιανός; Kalantzakis, Stylianos; Tzavalis, Elias; Pagratis, Spyros; Dioikitopoulos, EvangelosΗ παρούσα διπλωματική εργασία εξετάζει τη βαθύτερη επίδραση των νέων τεχνολογιών τόσο στην αγορά εργασίας όσο και στην παραγωγικότητα των επιχειρήσεων. Τα τελευταία χρόνια, η ραγδαία ανάπτυξη της τεχνητής νοημοσύνης (ΑΙ) και των αυτοματοποιημένων συστημάτων έχει μετασχηματίσει τις επιχειρηματικές πρακτικές, αναδεικνύοντας την τεχνολογία ως βασικό μοχλό οικονομικής ανάπτυξης και ανταγωνιστικότητας. Ωστόσο, ένα κρίσιμο ερώτημα που παραμένει διαχρονικά επίκαιρο αφορά τον τρόπο με τον οποίο οι νέες τεχνολογίες επηρεάζουν τις θέσεις εργασίας, και σε αυτό θα εστιάσει η μελέτη. Επιπλέον η εργασία διερευνά τη σύνθετη σχέση μεταξύ τεχνολογικής προόδου και γήρανσης του πληθυσμού, προκειμένου να αποσαφηνιστεί ο αντίκτυπος αυτών των παραγόντων στην οικονομική ανάπτυξη. Ιδιαίτερη έμφαση δίνεται στις χώρες του δυτικού κόσμου, όπου η δημογραφική γήρανση αποτελεί μια αυξανόμενη πρόκληση για τις αγορές εργασίας και τις επιχειρήσεις. Στο πλαίσιο αυτό, θα αναλυθούν οικονομετρικά μοντέλα που εκτιμούν πώς η τεχνολογική εξέλιξη επηρεάζει την απασχόληση ανά κλάδο και χώρα, καθώς και τις οικονομικές επιδόσεις των επιχειρήσεων. Επιπλέον, η μελέτη θα εξετάσει την αλληλεπίδραση μεταξύ δημογραφικών μεταβολών και υιοθέτησης νέων τεχνολογιών, με στόχο να διαπιστωθεί εάν οι χώρες που αντιμετωπίζουν έντονες δημογραφικές αλλαγές μπορούν να διατηρήσουν την οικονομική τους ανάπτυξη. Παράλληλα, θα ληφθούν υπόψη και άλλες κρίσιμες παράμετροι, όπως το επίπεδο εκπαίδευσης και η διάρθρωση της αγοράς εργασίας, προκειμένου να κατανοηθεί καλύτερα η συνολική δυναμική του φαινομένου.Τεκμήριο A comparative analysis of traditional and modern supervised learning methods for predicting football player salaries(2025-03-31) Βούργαλης, Στέφανος; Vourgalis, Stefanos; Pagratis, Spyros; Dendramis, Yiannis; Alexopoulos, AngelosΑυτή η διπλωματική εργασία συγκρίνει παραδοσιακές και σύγχρονες μεθόδους εποπτευόμενης μηχανικής μάθησης για την πρόβλεψη των μισθών ποδοσφαιριστών. Χρησιμοποιώντας ένα σύνολο δεδομένων που περιλαμβάνει 1.864 παίκτες από τα πέντε κορυφαία ευρωπαϊκά πρωταθλήματα κατά τη διάρκεια τριών αγωνιστικών περιόδων (2018–2021), αναλύθηκαν τέσσερα μοντέλα: Linear Mixed Effects (LME), Random Forest (RF), eXtreme Gradient Boosting (XGBoost), and Deep Neural Networks (DNN). Τα μοντέλα αξιολογήθηκαν με βάση την προγνωστική τους ακρίβεια και την καλή προσαρμογή τους στα δεδομένα. Τα αποτελέσματα έδειξαν ότι το μοντέλο Random Forest υπερείχε των υπολοίπων, επιτυγχάνοντας το χαμηλότερο Root Mean Squared Forecast Error – RMSFE και τις υψηλότερες τιμές R² και προσαρμοσμένου R², καθιστώντας το την πιο αποτελεσματική προσέγγιση για την πρόβλεψη μισθών. Η ανάλυση σημαντικότητας χαρακτηριστικών αποκάλυψε ότι επιθετικά στατιστικά, όπως τα γκολ και τα σουτ στον στόχο, είχαν μεγαλύτερη επίδραση στους μισθούς σε σχέση με τις αμυντικές ενέργειες. Μια ανάλυση διαστημάτων εμπιστοσύνης 90%, βασισμένη στο καλύτερο μοντέλο, ταξινόμησε τους παίκτες ως υποαμειβόμενους, δίκαια αμειβόμενους ή υπεραμειβόμενους. Τα ευρήματα αυτά αναδεικνύουν την αξία της μηχανικής μάθησης στην αξιολόγηση των μισθολογικών δομών στο επαγγελματικό ποδόσφαιρο, προσφέροντας χρήσιμες πληροφορίες για συλλόγους και αναλυτές. Μελλοντικές έρευνες μπορούν να επεκτείνουν αυτή τη μελέτη ενσωματώνοντας επιπλέον χαρακτηριστικά, διευρύνοντας τα σύνολα δεδομένων και βελτιώνοντας τις τεχνικές μοντελοποίησης, προκειμένου να ενισχυθεί η προγνωστική απόδοση.Τεκμήριο Assessing the economic impact of the Russian war on the natural gas price sector(2025-05-09) Στρουμπής, Αθανάσιος; Stroumpis, Athanasios; Tzavalis, Elias; Dendramis, Yiannis; Vrontos, IoannisΗ παρούσα μεταπτυχιακή εργασία εστιάζει στη διερεύνηση της σχέσης μεταξύ των τιμών της ενέργειας, με ιδιαίτερη έμφαση στο φυσικό αέριο, λαμβάνοντας υπόψη τις επιπτώσεις του πολέμου Ρωσίας-Ουκρανίας. Οι πρόσφατες γεωπολιτικές αναταράξεις επηρέασαν σημαντικά τις τιμές της ενέργειας, προκαλώντας ευρύτερες οικονομικές επιπτώσεις σε επιχειρήσεις και νοικοκυριά διεθνώς. Στόχος της έρευνας είναι η κατανόηση του τρόπου διαμόρφωσης των τιμών του φυσικού αερίου στην αγορά και η πρόβλεψη της μελλοντικής τους πορείας, λαμβάνοντας υπόψη τις διεθνείς συγκρούσεις και την πολιτική αστάθεια. Η ανάλυση εστιάζει κυρίως στις τιμές του φυσικού αερίου στις ΗΠΑ και στις τελικές τιμές που μεταφέρονται στους καταναλωτές και στις επιχειρήσεις. Η μεθοδολογία περιλαμβάνει τη χρήση στατιστικών μοντέλων, κυρίως ARIMA και GARCH. Τα μοντέλα ARIMA θα ενισχυθούν με εξωγενείς μεταβλητές που αφορούν τις γεωπολιτικές εντάσεις, ενώ τα μοντέλα GARCH θα χρησιμοποιηθούν για την ανάλυση της μεταβλητότητας των τιμών και την πρόβλεψη μελλοντικών μεταβολών. Μέσω αυτής της ποσοτικής προσέγγισης, επιχειρείται μια ρεαλιστική εκτίμηση των συνεπειών του πολέμου στην Ρωσίας-Ουκρανίας στις τιμές του φυσικού αερίου. Η δομή της εργασίας περιλαμβάνει εκτενή βιβλιογραφική ανασκόπηση, εμπειρική ανάλυση και παρουσίαση προβλέψεων. Μακροπρόθεσμα, η εργασία επιδιώκει να συμβάλει στην κατανόηση του πώς οι διεθνείς συγκρούσεις επηρεάζουν τις αγορές ενέργειας και κατ’ επέκταση τις οικονομικές συνθήκες σε εθνικό και παγκόσμιο επίπεδο.Τεκμήριο Beyond traditional causal inference: a causal forest approach to estimating the heterogeneous effects of EU regional subsidies(2025-02-26) Vossou, Eleni; Βόσσου, Ελένη; Pagratis, Spyros; Antoniou, Fabio; Alexopoulos, AngelosΜπορεί μια ενιαία πολιτική να εξυπηρετήσει πραγματικά τις ποικίλες ανάγκες των περιφερειών της Ευρώπης, ή ο αντίκτυπός της ξεδιπλώνεται μέσα στην κρυφή σύνδεση του τόπου και του χρόνου; Η ασύμμετρη κατανομή της οικονομικής μεγέθυνσης και ανάπτυξης στις ευρωπαϊκές περιφέρειες αποτελεί μια επίμονη πρόκληση για την Ευρωπαϊκή Ένωση, παρά τις δεκαετίες προγραμμάτων περιφερειακών επιδοτήσεων που αποσκοπούν στην προώθηση της σύγκλισης. Η μέση επίδραση της θεραπείας (ATE) αυτών των προγραμμάτων έχει παραδοσιακά μελετηθεί μέσω οικονομετρικών προσεγγίσεων, όπως η Difference-in-Differences (DiD) και η Two-Way Fixed Effects (TWFE). Ωστόσο, αυτές οι μέθοδοι όχι μόνο υποφέρουν από μεροληψία σε ρυθμίσεις κλιμακωτής υιοθέτησης ή όταν τα αποτελέσματα της θεραπείας ποικίλλουν με την πάροδο του χρόνου, αλλά και αποτυγχάνουν να συλλάβουν ετερογενή αποτελέσματα της θεραπείας. Η παρούσα διατριβή αποσκοπεί στην αντιμετώπιση αυτών των περιορισμών με την αξιολόγηση της εφαρμογής πολιτικής μέσω του Generalized Synthetic Control (GSC) και των Causal Forests. Πρώτον, ο GSC επικυρώνει τη συνολική επίδραση των περιφερειακών επιδοτήσεων της ΕΕ, παρέχοντας ένα ευέλικτο αντιπαραθετικό πλαίσιο για την αξιολόγηση της συνολικής επιτυχίας του προγράμματος. Συμπληρώνοντας αυτή την ανάλυση, χρησιμοποιούνται τα Causal Forests για να αποκαλυφθεί η σημαντική διακύμανση των εν λόγω αποτελεσμάτων μεταξύ των περιφερειών, προσδιορίζοντας ποιες περιφέρειες επωφελούνται περισσότερο και ποιες παραμένουν ανεπηρέαστες. Τα εμπειρικά αποτελέσματα αποκαλύπτουν σημαντική ετερογένεια στις επιπτώσεις των περιφερειακών επιδοτήσεων της ΕΕ. Τα Causal Forests καταδεικνύουν διαφορετικά επίπεδα επιδράσεων της μεταχείρισης σε όλες τις περιφέρειες, παρά τις θετικές μέσες επιδράσεις, καθώς ορισμένες περιφέρειες έχουν μεγάλα οφέλη, ενώ άλλες παρουσιάζουν ελάχιστες αντιδράσεις. Οι γνώσεις αυτές μετατοπίζουν το ενδιαφέρον στην κατανόηση του για ποιους και υπό ποιες συνθήκες οι επιδοτήσεις είναι πιο αποτελεσματικές, αντί να αξιολογείται αποκλειστικά ο μέσος αντίκτυπος της επιδότησης. Επιπλέον, η παρούσα διατριβή συμβάλλει στη μεθοδολογική βιβλιογραφία, καταδεικνύοντας πώς οι μέθοδοι μηχανικής μάθησης μπορούν να συμπληρώσουν την παραδοσιακή οικονομετρία, για την αντιμετώπιση μακροχρόνιων προβλημάτων στην αιτιώδη συμπερασματολογία σε περιβάλλοντα δεδομένων με υψηλή διάσταση και θόρυβο, βελτιώνοντας παράλληλα τη χάραξη πολιτικής ακριβείας, για πιο δίκαιες και αποτελεσματικές πολιτικές σε όλες τις περιφέρειες της ΕΕ που ανταποκρίνονται στις μοναδικές πραγματικότητές τους.Τεκμήριο Comparison of traditional and modern disaggregation techniques for macroeconomic data(2025-03-26) Μπούλλαρι, Άντζελα; Bullari, Anxhela; Tzavalis, Elias; Pagratis, Spyros; Alexopoulos, AngelosΗ παρούσα διπλωματική εργασία εξετάζει τεχνικές χρονικής αποσύνθεσης μακροοικονομικών δεδομένων, με έμφαση στην άυλη οικονομία. Χρησιμοποιούνται κλασικές μέθοδοι, όπως οι Chow-Lin και Fernandez, ως σημεία αναφοράς για σύγκριση με σύγχρονες προσεγγίσεις μηχανικής μάθησης, και συγκεκριμένα με τη μέθοδο XGBoost. Στόχος είναι η παραγωγή πιο ακριβών τριμηνιαίων εκτιμήσεων από ετήσια δεδομένα, με επίκεντρο βασικές μεταβλητές, όπως η Ακαθάριστη Προστιθέμενη Αξία (GVA), η Προσαρμοσμένη Προστιθέμενη Αξία που περιλαμβάνει άυλα περιουσιακά στοιχεία (VAadj), οι Άυλες Επενδύσεις εκτός Εθνικών Λογαριασμών (I_NonNatAcc) και το Σύνολο Άυλων Επενδύσεων (I_Intang) για 16 χώρες της Ευρωζώνης. Τέλος, η εργασία αναδεικνύει τους περιορισμούς των υφιστάμενων μεθοδολογιών και προτείνει βελτιωμένες προσεγγίσεις για μεγαλύτερη ακρίβεια και αξιοπιστία στη μελλοντική αποσύνθεση μακροοικονομικών δεδομένων, ιδιαίτερα στους άυλους τομείς.Τεκμήριο Αιτιώδης επίδραση των πολιτικών που σχετίζονται με τη νόσο COVID στην εξάπλωση της νόσου COVID-19(2025-04-08) Κουτσομπέλης, Ρίζος; Τζαβαλής, Ηλίας; Αντωνίου, Φάμπιο; Βασιλόπουλος, ΑχιλλέαςΗ παρούσα μελέτη αναλύει τη σχέση μεταξύ των ημερήσιων θανάτων από COVID-19και των μη φαρμακευτικών παρεμβάσεων (NPIs) στην Ελλάδα, χρησιμοποιώντας τέσσερα μοντέλα χρονοσειρών: AR, INGARCH, ARX και INGARCHX. Τα δύο πρώτα εξετάζουν τη χρονική δυναμική των θανάτων, ενώ τα δύο τελευταία ενσωματώνουν εξωτερικούς παράγοντες, όπως τα μέτρα περιορισμού. Επιπλέον, πραγματοποιήθηκε διερευνητική ανάλυση δεδομένων (EDA) και εφαρμόστηκε η μέθοδος Recursive Feature Elimination (RFE) μέσω RandomForest Regression, για τον εντοπισμό των σημαντικότερων μεταβλητών που επηρεάζουν τη θνησιμότητα. Τα αποτελέσματα δείχνουν ότι οι αυστηρές παρεμβάσεις, όπως οι περιορισμοί στις συγκεντρώσεις και η χρήση μάσκας, συνέβαλαν στη μείωση των θανάτων, ενώ η χρονολογική εξάρτηση των δεδομένων είναι έντονη. Η μελέτη επιβεβαιώνει την αποτελεσματικότητα των NPIs και υπογραμμίζει τη σημασία της έγκαιρης και στοχευμένης εφαρμογής τους για τον περιορισμό της πανδημίαςΤεκμήριο The effects of macroeconomic shocks on economic activity: a big data perspective(2025-02-07) Κατσάρας, Σπυρίδων; Katsaras, Spyridon; Tzavalis, Elias; Antoniou, Fabio; Dendramis, YiannisΗ συγκεκριμένη εργασία, κατά το μεγαλύτερο μέρος της αποτελεί μια βιβλιογραφική ανασκόπηση γύρω από το θέμα της ταυτοποίησης απρόσμενων γεγονότων, αλλιώς γνωστά ως 'σοκ', τα οποία έρχονται να διαταράξουν τα δεδομένα και τις ισορροπίες μεταξύ διαφόρων μακροοικονομικών μεταβλητών. Εκτός από την ταυτοποίηση και απομόνωση των παραπάνω διαταρακτικών όρων, γίνεται μια σημαντική προσπάθεια πρόβλεψης της επιρροής των όρων επάνω σε μακροικονομικές μεταβλητές ενδιαφέροντος. Πιο συγκεκριμένα, δίνεται μεγάλη έμφαση πρωτίστως στην εύρεση του χρονικού σημείου όπου η επιρροή πρωτογίνεται αντιληπτή, εν συνεχεία στην αναγνώριση της χρονικής περιόδου για την οποία θα διαρκέσει η επιρροή και τέλος στις μεταβολές της έντασης των επιδράσεων. Στην παρούσα εργασία, έχουν επιλεγεί εννέα μέθοδοι μέσω των οποίων επιτυγχάνονται τα παραπάνω. Συνεπώς, το κύριο μέρος της εργασίας αφορά την εισαγωγή του αναγνώστη στις βασικές έννοιες των μεθόδων καθώς και μια συνοπτική αλλά και περιεκτική επεξήγηση του τρόπου λειτουργίας τους μέσω παρουσίασης θεωρίας αλλά και του αντίστοιχου τυπολογίου. Τέλος, η εργασία ολοκληρώνεται με μια εμπειρική εφαρμογή της παραπάνω θεωρίας, χρησιμοποιώντας στην πράξη μια από τις εννέα μεθόδους, με αληθινά δεδομένα, έχοντας ως τελικό σκοπό της διερεύνηση της ικανότητας των οικονομετρικών μεθόδων να ανταπεξέλθουν απέναντι σε ένα πρακτικό, ελαφρώς προσαρμοσμένο οικονομικό ζήτημα. Έπειτα από την παρουσίαση των διαδικασιών της εμπειρικής εφαρμογής, τα αποτελέσματα παρουσιάζονται και σχολιάζονται.Τεκμήριο Innovation: a behavioral approach on economic drivers(2025-04-24) Πάντου, Καλλιόπη; Pantou, Kalliopi; Tzavalis, Elias; Antoniou, Fabio; Dioikitopoulos, EvangelosΌπως είναι ήδη γνωστό, η καινοτομία αποτελεί έναν από τους σημαντικότερους παράγοντες που επηρεάζουν την οικονομική και κοινωνική ανάπτυξη (Schumpeter, 1942). Επομένως, είναι ύψιστης σημασίας να εντοπιστούν οι πτυχές που επηρεάζουν την καινοτομία, ανεξάρτητα από το πόσο περίπλοκες και αλληλένδετες μπορεί να είναι. Μερικοί παρφάγοντες που μπορούν να διαμορφώσουν το καινοτόμο δυναμικό ενός έθνους περιλαμβάνουν την οικονομική αβεβαιότητα που συνοδεύει τη διαδικασία λήψης αποφάσεων κάθε ατόμου, τις πολυάριθμες κανονιστικές ρυθμιστικές δομές και την περιβαλλοντική σταθερότητα (Acemoglu & Robinson, 2012). Η ακόλουθη μελέτη ξεκινά με στόχο την κατανόηση της σχέσης μεταξύ της καινοτομίας και άλλων διαμορφωτικών συμπεριφορικών παραγόντων, από οικονομικής άποψης. Συμπεριλαμβάνοντας ένα παγκόσμιο φάσμα χωρών, μέσα από σχεδόν μια δεκαετία παρατηρήσεων και μετρήσεων, η παρούσα διατριβή διερευνά τη επιρροή της αβεβαιότητας, των κανονισμών και της περιβαλλοντικής μας συνείδησης στην καινοτομία, όπως μετράται από τον Παγκόσμιο Δείκτη Καινοτομίας. Αξιοποιώντας διάφορα δεδομένα από πηγές όπως η Παγκόσμια Τράπεζα, η Ευρωπαϊκή Επιτροπή, το Global Entrepreneurship Monitor και ο ΟΟΣΑ, η παρούσα μελέτη στοχεύει να αποκαλύψει πώς συσχετίζονται οι οικονομικοί, περιβαλλοντικοί και θεσμικοί παράγοντες. Τα ευρήματα υποδηλώνουν ότι οι κανονισμοί ασκούν σημαντικό θετικό αντίκτυπο στην καινοτομία, υπογραμμίζοντας τη σημασία της θεσμικής σταθερότητας. Επιπλέον, η οικολογική συνείδηση, που μετριέται με δείκτες οικολογικής βιωσιμότητας, επηρεάζει επίσης θετικά την καινοτομία. Αντίθετα, η αβεβαιότητα, μετρημένη τόσο με μακροοικονομικούς δείκτες όσο και με έναν νεοσύστατο δείκτη που βασίζεται στην ανάλυση κειμένων, καταδεικνύει μια αρνητική επίδραση στην καινοτομία. Αυτά τα ευρήματα προσφέρουν κρίσιμες γνώσεις, εστιάζοντας σε στρατηγικές για την ενίσχυση της καινοτομίας μέσω της εκπαίδευσης και των οικονομικών κινήτρων για την περαιτέρω ενίσχυση των θετικών επιδράσεων των κανονισμών και της περιβαλλοντικής βιωσιμότητας, και ταυτόχρονη αντιστάθμιση των αρνητικών επιπτώσεων της αβεβαιότητας. Φέρνοντας νέα ευρήματα στο φως και γεφυρώνοντας οικονομικές, συμπεριφορικές και περιβαλλοντικές προοπτικές, η παρούσα μελέτη συμβάλλει στον ευρύτερο διάλογο για την καινοτομία και τον ρόλο της στον σύγχρονο οικονομικό κόσμο.Τεκμήριο Textual uncertainty and the Greek Stock Exchange(2025-04-25) Κιάφης, Χρήστος; Kiafis, Christos; Pagratis, Spyros; Antoniou, Fabio; Dioikitopoulos, EvangelosΣτην παρούσα διπλωματική εργασία, αναπτύσσουμε και αναλύουμε δείκτες αβεβαιότητας που προέρχονται από εφημερίδες, με σκοπό να κατανοήσουμε την δυνατότητα τους να αποτυπώνουν διεθνή και εγχώρια γεγονότα και στη συνέχεια να μετρήσουμε την επίδρασή τους στην ελληνική χρηματιστηριακή αγορά. Αξιοποιώντας τις μεθοδολογίες που θεμελιώθηκαν από τους Baker et.al. (2016), με εφαρμογές από τους Hardouvelis et.al. (2018) και Fountas et.al. (2018), κατασκευάζουμε τρεις γενικούς και διακριτούς τύπους δεικτών: Οικονομική Πολιτική Αβεβαιότητα (EPU), Αβεβαιότητα στον Τομέα της Υγείας (HU) και Αβεβαιότητα Εθνικής Ασφάλειας (NSU). Χρησιμοποιώντας άρθρα που συλλέχθηκαν από τα ψηφιακά αρχεία των εφημερίδων Ναυτεμπορική και Καθημερινή, υπολογίζουμε αυτούς τους δείκτες σε μηνιαία και ημερήσια βάση, καθώς και ξεχωριστούς δείκτες για κάθε εφημερίδα, συμβάλλοντας στη συζήτηση και καλύτερη κατανόηση των χαρακτηριστικών που προκύπτουν από τις πρακτικές δειγματοληψίας και των επιπτώσεών τους στους γενικούς δείκτες που κατασκευάστηκαν. Εξετάζουμε τις στατιστικές ιδιότητες αυτών των δεικτών τόσο σε ημερήσια όσο και σε μηνιαία συχνότητα, και τους συγκρίνουμε με άλλους διεθνώς και εγχώριων καθιερωμένους δείκτες, περιλαμβανομένου του Δείκτη Παγκόσμιας Αβεβαιότητας (World Uncertainty Index), ο οποίος αποτελεί μία εναλλακτική μέτρηση της οικονομικής αβεβαιότητας. Τέλος, διεξάγουμε μία σειρά οικονομετρικών αναλύσεων με εξαρτημένη μεταβλητή τον γενικό δείκτη του Χρηματιστηρίου Αθηνών (GD.AT), που κυμαίνονται από απλές και υστερημένες παλινδρομήσεις χρονοσειρών OLS έως πολυμεταβλητά μοντέλα που ενσωματώνουν επιπλέον μακροοικονομικές μεταβλητές, αποδεικνύοντας την ικανότητα των δεικτών αυτών να αποτυπώνουν αποτελεσματικά σημαντικές μεταβολές στο επενδυτικό κλίμα.