Mitrakou, TheofaniaΜητράκου, Θεοφανία2025-11-202025-11-202025-11-18https://pyxida.aueb.gr/handle/123456789/12383https://doi.org/10.26219/heal.aueb.9553Forecasting economic recessions is a key component of macroeconomic analysis and policy planning. This thesis focuses on modeling and predicting U.S. economic recessions using binary regression models and modern machine learning techniques. The analysis begins with the application of classical Logit and Probit models and is extended to more advanced and flexible methods such as LASSO, Elastic Net, Random Forests, and Boosting. Emphasis is placed on capturing non-linear relationships through tree-based and threshold models. The empirical study is based on a wide range of macroeconomic and financial indicators, which are incorporated in lagged form to predict the probability of recession at various forecasting horizons: 1, 3, 6, and 12 months. Model performance is evaluated using standard statistical metrics such as accuracy, sensitivity (recall), and the ROC curve. Finally, the aim of the thesis is to identify the most effective predictive models and to better understand which economic indicators are most associated with the onset of recessions.Η πρόβλεψη των υφέσεων αποτελεί βασικό εργαλείο για την οικονομική ανάλυση και τον στρατηγικό σχεδιασμό. Η παρούσα εργασία επικεντρώνεται στη μοντελοποίηση και πρόβλεψη των οικονομικών υφέσεων στις Ηνωμένες Πολιτείες, χρησιμοποιώντας μοντέλα δυαδικής παλινδρόμησης και τεχνικές μηχανικής μάθησης. Αρχικά εφαρμόζονται κλασικά μοντέλα Logit και Probit, ενώ στη συνέχεια αναπτύσσονται πιο σύγχρονα και ευέλικτα μοντέλα, όπως LASSO, Elastic Net, Random Forests και Boosting. Ιδιαίτερη έμφαση δίνεται στην ενσωμάτωση μη-γραμμικών σχέσεων μέσω δέντρων απόφασης και threshold μοντέλων. Το εμπειρικό σκέλος βασίζεται σε πληθώρα μακροοικονομικών και χρηματοοικονομικών δεικτών, οι οποίοι χρησιμοποιούνται με χρονικές υστερήσεις ώστε να προβλέψουν την πιθανότητα ύφεσης για διαφορετικούς χρονικούς ορίζοντες: 1, 3, 6 και 12 μηνών. Η σύγκριση των μοντέλων γίνεται με βάση τυπικά στατιστικά κριτήρια όπως η ακρίβεια, η ευαισθησία και η καμπύλη ROC. Τέλος, η εργασία στοχεύει στην ανάδειξη των πλέον αποτελεσματικών μοντέλων πρόβλεψης και στη βελτίωση της κατανόησης των οικονομικών δεικτών που σχετίζονται με την εμφάνιση υφέσεων.pages 46Attribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/USAModelingPredictingΗνωμένες Πολιτείες Αμερικής (ΗΠΑ)ΜοντελοποίησηΠρόβλεψηTextVrontos, Ioannis