Εφαρμογή τοπολογικής ανάλυσης δεδομένων (TDA) για τη βελτιστοποίηση αλγορίθμων μηχανικής μάθησης σε προβλεπτικά μοντέλα οικονομικών κρίσεων
| datacite.contributor.RelatedPerson | Μακρής, Χρήστος | |
| datacite.contributor.RelatedPerson | Σιούτας, Σπυρίδων | |
| datacite.contributor.Supervisor | Ανδρικόπουλος, Αθανάσιος | |
| dc.contributor.author | Κόκκαλη, Χριστίνα | |
| dc.contributor.other | Kokkali, Christina | |
| dc.date.accessioned | 2025-10-10T05:51:49Z | |
| dc.date.available | 2025-10-10T05:51:49Z | |
| dc.date.issued | 2025-10-09 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Η παρούσα εργασία διερευνά τον ρόλο της Τοπολογικής Ανάλυσης Δεδομένων (TDA) στη χρηματοοικονομική πρόβλεψη και στη διαχείριση κινδύνων σε σύνθετα οικονομικά περιβάλλοντα. Το ενδιαφέρον για το θέμα απορρέει από την ολοένα αυξανόμενη πολυπλοκότητα του διεθνούς χρηματοπιστωτικού συστήματος, την αλληλεξάρτηση των αγορών και την περιοδική εκδήλωση κρίσεων με σοβαρές κοινωνικές και οικονομικές επιπτώσεις. Οι κλασικές μέθοδοι στατιστικής ανάλυσης αδυνατούν συχνά να αποτυπώσουν τις λανθάνουσες σχέσεις και τις μη γραμμικές αλληλεπιδράσεις που ενυπάρχουν στα οικονομικά δεδομένα. Αυτό δημιουργεί την ανάγκη για νέες προσεγγίσεις που συνδυάζουν προγνωστική ισχύ, ανθεκτικότητα και δυνατότητα έγκαιρης ανίχνευσης κρίσιμων μεταβολών. Η Τοπολογική Ανάλυση Δεδομένων εισάγει μια διαφορετική οπτική, εστιάζοντας όχι μόνο στις αριθμητικές τιμές αλλά και στη γεωμετρική δομή των δεδομένων. Μέσω εργαλείων όπως η επίμονη ομολογία, καθίσταται δυνατή η αποκάλυψη μοτίβων που παραμένουν «κρυμμένα» στις παραδοσιακές προσεγγίσεις. Η συμβολή αυτής της μεθοδολογίας γίνεται ιδιαίτερα σημαντική σε ένα περιβάλλον όπου η ακρίβεια και η ερμηνευσιμότητα των προβλέψεων είναι απαραίτητες για τη χάραξη πολιτικών και την υποστήριξη επενδυτικών αποφάσεων. Η έρευνα αναδεικνύει ότι η ενσωμάτωση της TDA σε μοντέλα χρηματοοικονομικής πρόβλεψης μπορεί να βελτιώσει την αξιοπιστία τους, προσφέροντας πιο σταθερά αποτελέσματα σε συνθήκες αβεβαιότητας και υψηλής μεταβλητότητας. Παράλληλα, η μελέτη τονίζει τη σημασία της διαφάνειας και της ερμηνευσιμότητας, καθώς η υιοθέτηση νέων τεχνικών πρέπει να συνοδεύεται από κατανόηση των μηχανισμών που παράγουν τα αποτελέσματα. Συνολικά, η εργασία συμβάλλει στη συζήτηση γύρω από την ανάγκη εμπλουτισμού των υφιστάμενων μεθοδολογιών με καινοτόμα εργαλεία που συνδυάζουν την επιστημονική αυστηρότητα με την πρακτική αξία. Η TDA προτείνεται ως ένα υποσχόμενο πεδίο που μπορεί να ενισχύσει την έγκαιρη πρόβλεψη κρίσεων, να στηρίξει αποτελεσματικότερες στρατηγικές διαχείρισης κινδύνων και να προσφέρει νέες δυνατότητες κατανόησης της δυναμικής των αγορών. | |
| dc.identifier.uri | https://hdl.handle.net/10889/30529 | |
| dc.language.iso | el | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ | |
| dc.subject | Τοπολογική ανάλυση δεδομένων | |
| dc.subject | Χρηματοοικονομική πρόβλεψη | |
| dc.subject | Επίμονη ομολογία | |
| dc.subject | Μηχανική μάθηση | |
| dc.subject | Διαχείριση κινδύνων | |
| dc.subject | Χρονοσειρές | |
| dc.subject | Συστημική σταθερότητα | |
| dc.subject | Ερμηνευσιμότητα | |
| dc.subject.alternative | Topological data analysis | |
| dc.subject.alternative | Financial forecasting | |
| dc.subject.alternative | Persistent homology | |
| dc.subject.alternative | Machine learning | |
| dc.subject.alternative | Risk management | |
| dc.subject.alternative | Time series | |
| dc.subject.alternative | Systemic stability | |
| dc.subject.alternative | Interpretability | |
| dc.title | Εφαρμογή τοπολογικής ανάλυσης δεδομένων (TDA) για τη βελτιστοποίηση αλγορίθμων μηχανικής μάθησης σε προβλεπτικά μοντέλα οικονομικών κρίσεων | |
| dc.title.alternative | Application of topological data analysis (TDA) for the optimization of machine learning algorithms in predictive models of economic crises |