Πλοήγηση ανά Συγγραφέας "Papadakis, Charalampos"
Τώρα δείχνει 1 - 3 of 3
Αποτελέσματα ανά σελίδα
Επιλογές ταξινόμησης
Τεκμήριο Forecasting the directional movement of forex data with machine learning and deep learning(ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, 2025-07-28) Papadakis, Charalampos; Παπαδάκης, Χαράλαμπος; Papadourakis, Georgios; Παπαδουράκης, ΓεώργιοςThis thesis investigates the prediction of the EUR/USD exchange rate using both machine learning and deep learning methodologies. A series of experiments are conducted to evaluate model performance based on accuracy, precision, recall, F1 score, and RMSE. The study applies models such as Random Forest Regressors and hybrid BiLSTM networks combining technical and fundamental indicators. Emphasis is placed on the optimization of hyperparameters and the architecture of deep learning models. The results demonstrate the effectiveness of deep learning approaches, particularly in capturing sequential patterns in financial time series. Potential improvements and future directions are also discussed.Τεκμήριο Ανάλυση αγοράς φωτοβολταϊκών συστημάτων: διεθνείς τάσεις και ελληνικές προοπτικές.(Τ.Ε.Ι. Κρήτης, Σχολή Εφαρμοσμένων Επιστημών (Σ.Εφ.Ε), Τμήμα Ηλεκτρονικών Μηχανικών Τ.Ε., 2010-10-20T15:49:05Z) Παπαδάκης, Χαράλαμπος; Papadakis, CharalamposΣτόχος της παρούσας εργασίας είναι να γίνει κατ’ αρχήν μία γενική ανασκόπηση των φωτοβολταϊκών συστημάτων η οποία περιλαμβάνει την εμφάνιση και εξέλιξη αυτής της τεχνολογίας από το 1839 έως σήμερα, την κατηγοριοποίηση των τεχνολογιών φωτοβολταϊκών συστημάτων, τις χρήσεις και τους τομείς εφαρμογής τους, καθώς και τα πλεονεκτήματα του κάθε τύπου. Στη συνέχεια, γίνεται μία καταγραφή των υφιστάμενων ενεργειακών αναγκών και της παρούσας κάλυψής τους από διάφορες πηγές ενέργειας, συμβατικές, όπως το πετρέλαιο, και πράσινες, όπως η ηλιακή ενέργεια. Επιπλέον εξετάζεται η προοπτική κάλυψης του μεγαλύτερου μέρους της παραγόμενης ενέργειας από φωτοβολταϊκά συστήματα. Τέλος, γίνεται μία εκτενής ανάλυση της αγοράς φωτοβολταϊκών συστημάτων σε διάφορες χώρες, καθώς και των τάσεων που αναμένεται ότι θα επικρατήσουν σε αυτή. Αναφέρονται επίσης, σχετικοί κανονισμοί και νομοθετικές ρυθμίσεις. Έμφαση δίνεται στην ελληνική αγορά και στη σύγκρισή της με τη διεθνή, έτσι ώστε να εντοπιστούν και να καταγραφούν τα ισχυρά και αδύνατα σημεία, καθώς και οι δυνατότητες και οι κίνδυνοι για τις επενδύσεις εγκατάστασης και εκμετάλλευσης φωτοβολταϊκών συστημάτων.Τεκμήριο Διαχείριση χρηματοοικονομικού κινδύνου με υπολογιστικές μεθόδους.(ΕΛ.ΜΕ.ΠΑ., Σχολή Επιστημών Διοίκησης και Οικονομίας (ΣΕΔΟ), ΔΠΜΣ Λογιστική και Ελεγκτική, 2020-05-12) Παπαδάκης, Χαράλαμπος; Papadakis, CharalamposΗ μεταβλητότητα των χρηματιστηριακών αγορών είναι ένα πεδίο έρευνας που απασχολεί όλο και πιο έντονα τα τελευταία σαράντα χρόνια τους οικονομολόγους. Μετά την παγκόσμια οικονομική ύφεση του 2008 παρατηρείται μεγαλύτερη ανάγκη για τη μελέτη της μεταβλητότητας, που σκοπό έχει την ακριβέστερη εκτίμηση προβλέψεων. Αρχικά, παρουσιάζονται γενικές πληροφορίες για την παγκόσμια οικονομική κρίση του 2008, όπως το πως ξεκίνησε και πως μέσω της «κατάρρευσης» των Αμερικανικών τραπεζών γρήγορα επεκτάθηκε στην Ευρώπη και σε όλο τον κόσμο. Επιπρόσθετα, πραγματοποιείται μια θεωρητική ανάλυση του φαινομένου του Ιανουαρίου. Στη συνέχεια, ορίστηκε η μεταβλητότητα και γίνεται θεωρητική ανάλυση των ιδιοτήτων της. Για την μελέτη της μεταβλητότητας έγινε συλλογή των ημερήσιων τιμών ανοίγματος, κλεισίματος, χαμηλού και υψηλού των χρηματιστηρίων που μελετώνται. Επίσης, υπολογίστηκαν οι ημερήσιες λογαριθμικές αποδόσεις: ( ) 1 ln / − = t t t R P P , όπου t P είναι η ημερήσια τιμή τη χρονική στιγμή t. Διάφορες οικονομετρικές μέθοδοι χρησιμοποιήθηκαν, όπως το απλό μοντέλο GARCH, το ΕGARCH και το ΤGARCH. Στόχος της εργασίας είναι να δείξει με ένα απλό, αποτελεσματικό και γενικό τρόπο την ενσωμάτωση του εύρους (range) σε ένα πρότυπο μοντέλο μεταβλητότητας GARCH. Δηλαδή, τροποποιήσαμε και δημιουργήσαμε ένα Range GARCH(1,1) μοντέλο. Οι εμπειρικές δοκιμές που πραγματοποιήθηκαν σε πέντε χρηματιστηριακούς δείκτες έδειξαν ότι τα RGARCH μοντέλα έχουν καλύτερη απόδοση από τα πρότυπα μοντέλα GARCH. Ειδικότερα, χρησιμοποιήθηκαν τα μοντέλα μεταβλητότητας Range (VS), Parkinson (VP), Rogers-Satchell (VRS) και Garman-Klass (VGK). Παρουσιάσαμε τη μέθοδο τροποποιώντας τα μοντέλα GARCH(1,1), ΕGARCH(1,1), και ΤGARCH(1,1) σε range- GARCH(1,1), range-ΕGARCH(1,1), range-ΤGARCH(1,1) μοντέλα. Το αποτέλεσμα της ανάλυσης που βασίζεται στα δεδομένα των χρηματιστηριακών αγορών δείχνει ότι το μοντέλο Range GARCH έχει πολύ καλύτερη απόδοση από το απλό GARCH.