Βιβλιοθήκη ΟΠΑ - Ψηφιακό Αποθετήριο

ΠΥΞΙΔΑ Ιδρυματικό Αποθετήριο
και Ψηφιακή Βιβλιοθήκη

Όνομα χρήστη
Κωδικός πρόσβασης

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

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

Εναλλακτικός τίτλος :	Προβλέψεις χρησιμοποιώντας univariate, multivariate & machine learning μεθόδους και εμπειρική εφαρμογή χρησιμοποιώντας R Shiny

Δημιουργός :	Διαμάντης, Κωνσταντίνος Diamantis, Konstantinos

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

Τύπος :	Text

Φυσική περιγραφή :	65p.

Γλώσσα :	en

Περίληψη :	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.

Περίληψη :

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.

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

Ημερομηνία έκδοσης :	21-03-2023

Ημερομηνία κατάθεσης :	22-03-2023

Ημερομηνία αποδοχής :	22-03-2023

Άδεια χρήσης :

Αρχείο: Diamantis_2023.pdf

Τύπος: application/pdf

Είσοδος