Ανάλυση και πρόβλεψη χρονοσειρών με εφαρμογές στην ναυλαγορά Tanker

Χοντζοπούλου, Νίκη; Chontzopoulou, Niki

dc.contributor.author	Χοντζοπούλου, Νίκη	el
dc.contributor.author	Chontzopoulou, Niki	en
dc.date.accessioned	2018-11-29T09:05:34Z
dc.date.available	2018-11-29T09:05:34Z
dc.date.issued	2018-11-29
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/48161
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.16169
dc.rights	Default License
dc.subject	Στατιστική ανάλυση	el
dc.subject	Πρόβλεψη	el
dc.subject	Ναύλα	el
dc.subject	Χρονοσειρές	el
dc.subject	Στοχαστικές διαδικασίες	el
dc.subject	Worldscale	en
dc.subject	Freight rates	en
dc.subject	Forecasting	en
dc.subject	Data science	en
dc.subject	Data analysis	en
dc.title	Ανάλυση και πρόβλεψη χρονοσειρών με εφαρμογές στην ναυλαγορά Tanker	el
dc.title	Time series analysis and forecasting with applications to the Tanker market	en
heal.type	bachelorThesis
heal.classification	Εφαρμοσμένα μαθηματικά	el
heal.classification	Applied mathematics	en
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh93002523
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-10-08
heal.abstract	Σκοπός της παρούσας διπλωματικής εργασίας είναι η πρόβλεψη του δείκτη Worldscale της Ναυλαγοράς Tanker για πλοία Very Large Crude Carriers (VLCC) στη γραμμή μεταφοράς αργού πετρελαίου Ras Tanura-Rotterdam. Για την πρόβλεψη των μελλοντικών τιμών του δείκτη Worldscale θα χρησιμοποιήσουμε τα αυτοπαλινδρομικά μοντέλα της οικογένειας ARIMA που αναπτύχθηκαν από τους Box και Jenkins. Τα μοντέλα αυτά εν γένει αποτελούν ένα σημαντικό εργαλείο για την προσομοίωση διαφόρων χρονοσειρών. Το κείμενο είναι πρακτικά χωρισμένο σε τρία μέρη. Αρχικά, παρατίθενται οι βασικές έννοιες, ο σκοπός για την ανάλυση χρονοσειρών και η ναυλαγορά από την οποία έχει αντληθεί ο δείκτης Worldscale. Στην συνέχεια παρουσιάζονται τα μοντέλα τα οποία χρησιμοποιούνται για την περιγραφή και πρόβλεψη χρονοσειρών καθώς επίσης και η εφαρμογή των παραπάνω μεθόδων στον προς πρόβλεψη δείκτη Worldscale. Στο πρώτο κεφάλαιο παρουσιάζονται κάποιες βασικές έννοιες για τα είδη των χρονοσειρών και τα προβλήματα πρόβλεψης και γίνεται μια αναφορά στη ναυλαγορά Tanker για τα δεξαμενόπλοια υγρού φορτίου. Στο δεύτερο κεφάλαιο αναλύονται τα βασικά μονοδιάστατα μοντέλα πρόβλεψης χρονοσειρών καθώς επίσης και ο ρόλος των συναρτήσεων αυτοσυσχέτισης (ACF) και μερικής αυτοσυσχέτισης (PACF). Εν συνεχεία, εστιάζουμε στις μεθόδους εκτιμήσεων των συντελεστών του μοντέλου ARIMA για τα δεδομένα μας και στους διαγνωστικούς ελέγχους για καλή προσαρμογή του, με τη χρήση της γλώσσας προγραμματισμού R. Στο τρίτο κεφάλαιο παρουσιάζεται η εφαρμογή και τα αποτελέσματα που πήραμε από την R κατά την ανάλυση του δείκτη Worldscale. Πιο συγκεκριμένα, χρησιμοποιείται όλη η θεωρία που αναφέρεται στα προηγούμενα δυο κεφάλαια με σκοπό να δημιουργηθεί το καταλληλότερο αυτοπαλινδρομικό μοντέλο που θα περιγράψει ικανοποιητικά τον δείκτη Worldscale. Κατά τη διάρκεια αυτής της διαδικασίας, παρουσιάζεται αναλυτικά η μεθοδολογία που ακολουθήθηκε για να καταλήξουμε στο καλύτερο μοντέλο έτσι ώστε να γίνει κατανοητός ο τρόπος κατασκευής ενός μοντέλου. Στο τέλος της εφαρμογής, παρατίθενται οι μελλοντικές προβλέψεις που έδωσε το επιλεγμένο μοντέλο οι οποίες συγκρίνονται με τις πραγματικές τιμές του δείκτη και ελέγχεται η ακρίβεια των αποτελεσμάτων με τη βοήθεια του μέσου απόλυτου σφάλματος (MAE) και της ρίζας του τετραγωνικού απόλυτου σφάλματος (RMSE).	el
heal.abstract	This thesis focuses on analyzing and forecasting the Worldscale index for Very Large Crude Carriers (VLCC) vessels in Tanker market, for the route Ras Tanurra-Rotterdam. Box and Jenkins methods were applied, which are widely used in simulation and forecasting of various time series. The first two parts are theoretical whereas the last part is computational. For the computational part, R programming language was employed. In the first section, some basic ideas of time series objects and the tanker market are introduced. In the second section, we discuss about several autoregressive models and the purpose of the autocorrelation (ACF) and partial autocorrelation (PACF) functions. Subsequently, we focus on model identification, estimation of the coefficients of autoregressive models and the goodness of model’s fit through diagnostic checking. The third section consists of application in Worldscale index of the theory that was presented at the two previews sections. The analytical methodology is presented in order to understand how to build the most suitable model for Worldscale index. Furthermore, forecast is performed for the values of Worldscale index for each month of the year 2017 and comparison is made between the forecast values from the model and the actual values of the Worldscale index, for the same time period. Finally, we examined if the selected model performs better in comparison to all other candidate models, using forecasting accuracy criteria such as Mean Absolute Error(MAE) and Mean Squared Error (RMSE).	en
heal.advisorName	Καρώνη, Χρυσηίς	el
heal.advisorName	Caroni, Chrys	en
heal.committeeMemberName	Λυρίδης, Δημήτριος	el
heal.committeeMemberName	Lyridis, Dimitrios	el
heal.committeeMemberName	Παπανικολάου, Βασίλης	el
heal.committeeMemberName	Papanikolaou, Vasilis	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Τομέας Μαθηματικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	130 σ.
heal.fullTextAvailability	true