Συλλογή Μακροχρόνιων Χρονοσειρών για Παραγωγή και Αξιολόγηση Μακροπρόθεσμων Προβλέψεων

David, Carolina

dc.contributor.author	David, Carolina	en
dc.date.accessioned	2018-05-03T10:14:13Z
dc.date.available	2018-05-03T10:14:13Z
dc.date.issued	2018-05-03
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/46919
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.8557
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Τεχνο-Οικονομικά Συστήματα (ΜΒΑ)”	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.subject	Μακροχρόνιες χρονοσειρές	el
dc.subject	Μακροπρόθεσμες προβλέψεις	el
dc.subject	Αυτοπαλίνδρομα Ολοκληρωμένα Μοντέλα Κινητού Μέσου	el
dc.subject	Μέθοδοι εκθετικής εξομάλυνσης	el
dc.subject	Μέσο Ποσοστιαίο Σφάλμα	en
dc.subject	Exponential Smoothing (ETS)	el
dc.subject	Long term time series	el
dc.subject	Mean Absolute Percentage Error	en
dc.subject	Long term forecast	en
dc.subject	Autoregressive Integrated Moving Average (ARIMA)	en
dc.subject	Mean Percentage Error	en
dc.title	Συλλογή Μακροχρόνιων Χρονοσειρών για Παραγωγή και Αξιολόγηση Μακροπρόθεσμων Προβλέψεων	el
dc.contributor.department	Τεχνο-οικονομικά Συστήματα	el
heal.type	masterThesis
heal.classification	Παραγωγή στατιστικών προβλέψεων	el
heal.classification	Long term forecast	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-02-27
heal.abstract	Οι προβλέψεις έχουν απασχολήσει τον άνθρωπο εδώ και πολλές δεκαετίες και έχουν αναπτυχθεί πολλές μέθοδοι και τεχνικές πρόβλεψης, οι οποίες διαρκώς βελτιώνονται. Η παρούσα διπλωματική εργασία ασχολείται με την παραγωγή μακροπρόθεσμων προβλέψεων και με την αξιολόγηση αυτών, χρησιμοποιώντας μακροχρόνιες ετήσιες χρονοσειρές. Πιο συγκεκριμένα, συγκεντρώθηκαν 246 ετήσιες χρονοσειρές, διαφορετικού περιεχομένου καταμέτρησης, από διάφορες περιοχές της Ελλάδας για περιόδους έως και 166 έτη. Η συλλογή των χρονοσειρών αποσκοπούσε στην αξιοποίησή τους για παραγωγή προβλέψεων με δύο ευρέως γνωστές μεθόδους πρόβλεψης, τα Αυτοπαλίνδρομα Ολοκληρωμένα Μοντέλα Κινητού Μέσου (ARIMA) και τις μεθόδους εκθετικής εξομάλυνσης (ETS). Πιο στοχευμένα, η εργασία αυτή καλείται να παράξει μακροπρόθεσμες προβλέψεις για 30 έτη μπροστά, να υπολογιστούν οι αποκλίσεις πραγματικών τιμών από τις αντίστοιχες προβλέψεις των χρονοσειρών που συλλέχτηκαν, και να υπολογιστούν κάποια βασικά σφάλματα προς σύγκριση των δύο μεθόδων μεταξύ τους. Τα δύο κυριότερα είδη σφαλμάτων που χρησιμοποιήθηκαν για τη σύγκριση των μεθόδων είναι το μέσο απόλυτο ποσοστιαίο σφάλμα ΜΑΡΕ και το μέσο ποσοστιαίο σφάλμα ΜΡΕ. Οι σημειακές προβλέψεις υπολογίστηκαν χρησιμοποιώντας το ελεύθερο λογισμικό R και το πακέτο forecast. Ο στόχος της διπλωματικής είναι η διερεύνηση αξιόπιστων μακροπρόθεσμων προβλέψεων ανά ομάδα χρονοσειρών με βάση το περιεχόμενό τους και με βάση τον αριθμό παρατηρήσεων που περιλαμβάνουν. Η διερεύνηση στηρίχτηκε στον υπολογισμό των προβλέψεων και στη συνέχεια στον υπολογισμό των μέσων ποσοστιαίων και μέσων απόλυτων ποσοστιαίων σφαλμάτων για την αξιολόγηση των προβλέψεων που παρήχθησαν από τις δύο μεθόδους.	el
heal.abstract	Forecasts have been a matter of concern to people for many decades, and many forecasting methods and techniques have been developed, which are constantly improving. This thesis deals with long-term forecasts and their assessment, using long-term annual time series. More specifically, 246 annual time series of different content have been collected, regarding different regions of Greece and covering up to 166 years. The time series gathered, were intended to be used for forecasting with two well-known forecasting methods, the autoregressive integrated moving average (ARIMA) method and the Exponential Smoothing (ETS) method. More specifically, this thesis’ goal is to calculate long-term forecasts for 30 years ahead, and to calculate some fundamental out of sample errors for comparison between the two methods. The two main types of errors used, to compare the methods, are the mean absolute percentage error MAPE and the mean percentage error MPE. Forecast points were calculated using the free software R and the forecast package. The goal of this thesis is to investigate reliable long-term predictions by grouping time series based on their content and based on the number of observations they contain. The investigation was based on the calculation of the forecasts and then on the calculation of the mean percentage errors and the mean absolute percentage errors to evaluate the forecasts produced by the two methods.	en
heal.advisorName	Ασημακόπουλος, Βασίλειος	el
heal.committeeMemberName	Ασημακόπουλος, Βασίλειος	el
heal.committeeMemberName	Ψαρράς, Ιωάννης	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	116 σ.	el
heal.fullTextAvailability	true