Εξόρυξη δεδομένων (Data Mining) των Χρηματοοικονομικών Καταστάσεων Εισηγμένων Εταιρειών

 
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)
Εξόρυξη δεδομένων (Data Mining) των Χρηματοοικονομικών Καταστάσεων Εισηγμένων Εταιρειών

Πελεκάνος, Νεκτάριος Ηλία

This paper discusses the use of data mining techniques in the financial statements for classification and prediction of listed companies. The test sample contains 80 companies listed on the Athens Stock Exchange for the fiscal year 2013, which includes 40 companies traded on the main market and the remaining 40 companies are in the category of supervision. Specifically, five data mining techniques are applied such as, J48 Decision Tree, Naive Bayes, Polynomial Logistic Regression, Support Vector Machines (SVM) and Binomial Logistic Regression. The algorithms are compared based on the accuracy of the correct classification of the total sample. Furthermore, financial ratios that give the best information for accurate classification are presented. The survey results show that they can be used as an additional tool to auditors and to others.
Η παρούσα εργασία πραγματεύεται τη χρήση τεχνικών εξόρυξης δεδομένων στις χρηματοοικονομικές καταστάσεις για κατηγοριοποίηση και πρόβλεψη των εισηγμένων εταιρειών. Το εξεταζόμενο δείγμα περιέχει 80 εισηγμένες εταιρείες του Χ.Α.Α. για την οικονομική χρήση του 2013, όπου περιλαμβάνει 40 εταιρείες που διαπραγματεύονται στην κύρια αγορά και οι υπόλοιπες 40 εταιρείες βρίσκονται στην κατηγορία της επιτήρησης. Συγκεκριμένα, εφαρμόζονται πέντε τεχνικές εξόρυξης δεδομένων όπως, J48 Δέντρο απόφασης, Naive Bayes, Πολυωνυμική Λογιστική Παλινδρόμηση, Μηχανές Διανυσμάτων Υποστήριξης (SVM), Διωνυμική Λογιστική Παλινδρόμηση. Οι αλγόριθμοι συγκρίνονται με βάση την ακρίβεια της σωστής ταξινόμησης του συνολικού δείγματος. Επιπλέον, παρουσιάζονται οι αριθμοδείκτες οι οποίοι προσδίδουν την καλύτερη πληροφορία για ακριβέστερη ταξινόμηση. Τα αποτελέσματα της έρευνας δείχνουν ότι μπορούν να χρησιμοποιηθούν ως ένα επιπλέον εργαλείο σε ελεγκτές καθώς και προς κάθε ενδιαφερόμενο.

info:eu-repo/semantics/masterThesis
Postgraduate Thesis / Μεταπτυχιακή Εργασία

Financial Statements
Εισηγμένες Εταιρείες
Χρηματοοικονομικές καταστάσεις
Εξόρυξη Δεδομένων
Data Mining
Listed Companies

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

Ελληνική γλώσσα

2015
info:eu-repo/date/embargoEnd/2018-04-01
2016-11-16T10:46:02Z


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.
info:eu-repo/semantics/embargoedAccess



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