δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο

2015 (EL)
Data Mining for Economic Crisis Detection

Τσιόπτσιας, Ναούμ Δημητρίου

Economic crisis, scourging per − advancingly shorter − time periods both national fiscal statuses and other directly involved entities, has created since the beginning of modern economic theory the need for predictive systems and methods. The scientific community has so far contributed majorly to the specific problem, through theoretical and empirical techniques, dating back to studies and investigations of over two centuries. Despite, though, the plethora of existing methods and models for the prediction of crisis' characteristics, there still doesn't seem to exist the expected response to the problem. This fact may be true due to either the non timely forecasting or the invalid charting of those characteristics. The purpose of this specific dissertation consists both of the up−to−date recording of the existing results on the issue at hand, and, the addition of an extra diversification parameter: new technological methods via the use of Data Mining. Our objective is the valid imprinting of the factors that predispose economic crises, so as to be used to avoid or mitigate such upcoming events. For accomplishing such a goal, a literature review documentation of past evidence that seem to define crises under concern was conducted. This process led to the need for parametric expansion, through experimental results, by utilizing two datasets. The first was assembled from various sources (Federal reserve bank of St. Louis, World Bank, Organization for Economic Co−operation and Development, etc.) by the thesis author, while the second is adapted from a set used by Mrs. Graciela Kaminsky (Journal of International Money and Finance, 2006), a pioneer in the area of economic forecasting for crises. Both datasets went through the required pre−processes in order to be utilized by the tools of Data Mining, via propriety and open source software (MSSQLS, Weka, SPSS). The outcomes of the research − both theoretical and practical − verify the existence of repetitive characteristics in crises, despite the possible distinctiveness that each one may abide to, along with the apparent improvement of prediction rates as a result of the exploitation of the new techniques referenced.
Η οικονομική κρίση που πλήττει κατά − ολοένα και πιο σύντομα − χρονικά διαστήματα τη δημοσιονομική κατάσταση κρατών και άλλων άμεσα εμπλεκομένων φορέων, έχει δημιουργήσει από την αρχή της σύγχρονης οικονομικής θεωρίας την ανάγκη συστημάτων και μεθόδων πρόβλεψης. Η επιστημονική κοινότητα έχει μέχρι τώρα συνδράμει σημαντικά στο συγκεκριμένο πρόβλημα, μέσω θεωρητικών και πρακτικών τεχνικών, που ανάγονται σε έρευνες και μελέτες δύο και πλέον αιώνων. Παρόλη, όμως, την πληθώρα μεθόδων και μοντέλων για τη διάγνωση των χαρακτηριστικών της κρίσης, εξακολουθεί να μην υφίσταται η αναμενόμενη αντιμετώπιση του προβλήματος. Το γεγονός μπορεί να οφείλεται είτε σε μη έγκαιρη πρόβλεψη είτε σε μη έγκυρη αποτύπωση των εν λόγω χαρακτηριστικών. Σκοπός της συγκεκριμένης διπλωματικής εργασίας αποτελεί τόσο η μέχρι στιγμής καταγραφή των υπαρχόντων αποτελεσμάτων στο ζήτημα, όσο και η προσθήκη μίας επιπλέον παραμέτρου διαφοροποίησης: των νέων τεχνολογικών μεθόδων μέσω της Εξόρυξης Δεδομένων (Data Mining). Στόχος μας είναι η έγκυρη αποτύπωση των παραγόντων που προϊδεάζουν τις οικονομικές κρίσεις, ώστε να μπορούν να χρησιμοποιηθούν στην αποφυγή ή μετρίαση τέτοιων επερχόμενων επεισοδίων. Για την επίτευξη του συγκεκριμένου στόχου, ακολουθήθηκε βιβλιογραφική αποτύπωση των παρελθόντων στοιχείων που φαίνεται να ορίζουν τις υπό εξέταση κρίσεις. Η διαδικασία αυτή οδήγησε στην ανάγκη διερεύνησης των παραμέτρων, μέσω πειραματικών αποτελεσμάτων, με δύο σύνολα δεδομένων να αξιοποιούνται. Το πρώτο συλλέχθηκε από διάφορες πηγές (Federal reserve bank of St. Louis, World Bank, Organization for Economic Co−operation and Development, κτλ.) από το συγγραφέα της διπλωματικής, ενώ το δεύτερο αποτελεί υιοθέτηση της βάσης που χρησιμοποιήθηκε από την κ. Graciela Kaminsky (Journal of International Money and Finance, 2006), πρωτοπόρο στο χώρο οικονομικών προβλέψεων για κρίσεις. Και τα δύο σύνολα ακολούθησαν την απαραίτητη προ−επεξεργασία ώστε να μπορούν να αξιοποιηθούν από τα εργαλεία του Data Mining, μέσω προγραμμάτων ιδιόκτητου και ανοικτού λογισμικού (MSSQLS, Weka, SPSS). Τα αποτελέσματα της έρευνας − τόσο θεωρητικά όσο και πρακτικά − επαληθεύουν την ύπαρξη επαναλαμβανόμενων χαρακτηριστικών στις κρίσεις, παρά την τυχόν ιδιαιτερότητα της κάθε μίας, καθώς και την εμφανή βελτίωση των προβλέψεων χάρη στην αξιοποίηση των νέων τεχνικών που αναφέρονται.

Postgraduate Thesis / Μεταπτυχιακή Εργασία

Εξόρυξη Δεδομένων
Data Mining
Οικονομική Κρίση-Πρόβλεψη
Economic Crisis-Detection

Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (EL)
Aristotle University of Thessaloniki (EN)

Αγγλική γλώσσα


Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών, Πληροφορική και Διοίκηση

This record is part of 'IKEE', the Institutional Repository of Aristotle University of Thessaloniki's Library and Information Centre found at http://ikee.lib.auth.gr. Unless otherwise stated above, the record metadata were created by and belong to Aristotle University of Thessaloniki Library, Greece and are made available to the public under Creative Commons Attribution-ShareAlike 4.0 International license (http://creativecommons.org/licenses/by-sa/4.0). Unless otherwise stated in the record, the content and copyright of files and fulltext documents belong to their respective authors. Out-of-copyright content that was digitized, converted, processed, modified, etc by AUTh Library, is made available to the public under Creative Commons Attribution-ShareAlike 4.0 International license (http://creativecommons.org/licenses/by-sa/4.0). You are kindly requested to make a reference to AUTh Library and the URL of the record containing the resource whenever you make use of this material.

*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.