Μοντελοποίηση χρηματιστηριακών και ειδησεογραφικών δεδομένων ως χρονοσειρές και εξόρυξη δεδομένων απο αυτές : πτυχιακή εργασία
Η διπλωματική εργασία αφορά την ανάλυση χρονοσειρών μετοχών και τη συσχέτισή τους με ειδήσεις και tweets για την εύρεση πιθανών συσχετίσεων. Αρχικά, θα πρέπει να γίνει μετατροπή του κειμένου σε χρονοσειρά. Με αυτόν τον τρόπο θα γίνει σύγκριση της χρονοσειράς των μετοχών με τη χρονοσειρά των ειδήσεων...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Συγγραφή απο Οργανισμό/Αρχή: | |
| Μορφή: | Thesis Βιβλίο |
| Γλώσσα: | Greek |
| Δημοσίευση: |
2016.
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/19601 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
MARC
| LEADER | 00000cam a2200000 a 4500 | ||
|---|---|---|---|
| 001 | 1/113115 | ||
| 008 | 170216s2016####gr | ||| |||| ||gre|| | ||
| 040 | |a GR-MyUa |b gre |c GR-MyUa |e AACR2 | ||
| 041 | 0 | |a gre | |
| 082 | 7 | |a 006.312 |2 (23) | |
| 100 | 1 | |a Κολλίντζα-Κυριακούλια, Φωτεινή. | |
| 245 | 1 | 0 | |a Μοντελοποίηση χρηματιστηριακών και ειδησεογραφικών δεδομένων ως χρονοσειρές και εξόρυξη δεδομένων απο αυτές : |b πτυχιακή εργασία / |c Φωτεινή Κολλίντζα-Κυριακούλια ; επιβλέπων καθηγητής Εμμανουήλ Μαραγκουδάκης. |
| 260 | |c 2016. | ||
| 300 | |a 103 σ. : |b σχέδια, πιν. ; |c 30 εκ. | ||
| 500 | |a Μέλη της εξεταστικής επιτροπής: Εμμανουήλ Μαραγκουδάκης, Αναστασία Κριθαρά. | ||
| 502 | |a Πτυχιακή εργασία - Πανεπιστήμιο Αιγαίου, Σάμος, 2016. | ||
| 504 | |a Βιβλιογραφία: σ. 75-77. | ||
| 506 | 1 | |a Διάθεση πλήρους κειμένου ; |d Ενδοπανεπιστημιακή δημοσίευση. | |
| 540 | |a Κλειδωμένη η δυνατότητα αντιγραφής (copy) κειμένου. | ||
| 520 | 8 | |a Η διπλωματική εργασία αφορά την ανάλυση χρονοσειρών μετοχών και τη συσχέτισή τους με ειδήσεις και tweets για την εύρεση πιθανών συσχετίσεων. Αρχικά, θα πρέπει να γίνει μετατροπή του κειμένου σε χρονοσειρά. Με αυτόν τον τρόπο θα γίνει σύγκριση της χρονοσειράς των μετοχών με τη χρονοσειρά των ειδήσεων και των tweets, ώστε να δούμε κατά πόσο ακολουθούν τα δύο τελευταία τις τιμές της μετοχής και εάν τελικά επηρεάζουν την τιμή κλεισίματος. Το εργαλείο GrammarViz 2.0 που χρησιμοποιεί τον αλγόριθμο Symbolic Aggregate Approximation (SAX), θα μας βοηθήσει να κάνουμε alignment και να βρούμε patterns στη χρονοσειρά των μετοχών. Τέλος, για τη σύγκριση της ομοιότητας των χρονοσειρών στα διαστήματα όπου έχουν βρεθεί patterns, θα γίνει χρήση του αλγορίθμου Dynamic Time Warping (DTW). | |
| 650 | 0 | |a Dissertations, Academic |z Greece. | |
| 650 | 0 | |a Data mining. | |
| 650 | 0 | |a Time-series analysis. | |
| 700 | 1 | |a Μαραγκουδάκης, Εμμανουήλ, |e dgs | |
| 710 | 2 | |a Πανεπιστήμιο Αιγαίου. |b Σχολή Θετικών Επιστημών. |b Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτων. | |
| 852 | |a INST |b SAMOS |c DIATR |e 20170216 |h 006.312 ΚΟΛ |p 005300044360 |q 005300044360 |t DIE |y 23 | ||
| 856 | |u http://hdl.handle.net/11610/19601 | ||
| 924 | |a Κολλίντζα-Κυριακούλια |b Φωτεινή |y Σάμος |z 2016-03 | ||
| 970 | |a Κοσιέρης |b Χρήστος |z 16-02-2017 | ||