Αξιολόγηση απόδοσης χαρτοφυλακίου μετοχών με χρήση βαθιών νευρωνικών δικτύων και σύγκριση με μεθόδους θεμελιώδους και τεχνικής ανάλυσης.

Παναγόπουλος, Ηλίας; Panagopoulos, Ilias

dc.contributor.author	Παναγόπουλος, Ηλίας	el
dc.contributor.author	Panagopoulos, Ilias	en
dc.date.accessioned	2022-01-14T14:24:21Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/54316
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22014
dc.rights	Default License
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Τεχνική ανάλυση	el
dc.subject	Μετοχές	el
dc.subject	Απόδοση χαρτοφυλακίου	el
dc.subject	Θεμελιώδης ανάλυση	el
dc.subject	Neural networks	en
dc.subject	Fundamental analysis	en
dc.subject	Technical analysis	en
dc.subject	Shares	en
dc.subject	Portfolio performance	en
dc.title	Αξιολόγηση απόδοσης χαρτοφυλακίου μετοχών με χρήση βαθιών νευρωνικών δικτύων και σύγκριση με μεθόδους θεμελιώδους και τεχνικής ανάλυσης.	el
dc.title	Evaluation of portfolio performance using deep neural networks and comparison with methods of fundamental and technical analysis.	en
heal.type	bachelorThesis
heal.classification	Τεχνητή Νοημοσύνη	el
heal.classification	Χρηματοοικονομικά	el
heal.classification	Artificial Intelligence	en
heal.classification	Finance	en
heal.dateAvailable	2023-01-13T22:00:00Z
heal.language	el
heal.access	embargo
heal.recordProvider	ntua	el
heal.publicationDate	2021-10-18
heal.abstract	Η παρούσα διπλωματική ασχολείται με τη μελέτη και υλοποίηση βαθιών δομών νευρωνικών δικτύων (Deep Neural Networks) και σύγκριση τους με διαδομένες μεθόδους της θεμελιώδους και τεχνικής ανάλυσης. Κριτήριο αξιολόγησης είναι η τελική απόδοση ενός χαρτοφυλακίου 15 μετοχών στο πέρας μιας περιόδου 10 ετών. Η αρχική κατανομή κεφαλαίου είναι βασισμένη στη σύγχρονη θεωρία χαρτοφυλακίου. Στο πρώτο κεφάλαιο γίνεται μια σύντομη αναδρομή στην ιστορία και την αλματώδη ανάπτυξη των βαθιών δομών νευρωνικών δικτύων κατά την τελευταία δεκαετία καθώς και τους λόγους που τα καθιστούν ικανά εργαλεία πρόβλεψης στον χρηματοοικονομικό κλάδο, στον τρόπο λειτουργίας και στις διάφορες δομές τους αλλά και στα προβλήματα και τους περιορισμούς κατά την εφαρμογή τους. Στο δεύτερο κεφάλαιο γίνεται μια σύντομη ανασκόπηση των χαρακτηριστικών της θεμελιώδους ανάλυσης. Γίνεται αναφορά στα δεδομένα που χρησιμοποιεί κατά την εφαρμογή των μεθόδων της, τα οποία αποκτώνται από τις οικονομικές καταστάσεις των εταιρειών. Αναλύονται τα διάφορα μοντέλα αποτίμησης των μετοχών με τα πλεονεκτήματα και τους περιορισμούς κατά την εφαρμογή τους. Στο τρίτο κεφάλαιο γίνεται μια σύντομη ανασκόπηση των χαρακτηριστικών της τεχνικής ανάλυσης. Γίνεται αναφορά στους περιορισμούς και τα προβλήματα κατά την εφαρμογή της. Τέλος αναλύονται τα διάφορα μοντέλα που προσφέρουν σήματα αγοραπωλησιών στους επενδυτές. Στο τέταρτο κεφάλαιο αναλύεται ο τρόπος επιλογής μετοχών που απαρτίζουν το χαρτοφυλάκιο. Επιλέγεται με χρήση της σύγχρονης θεωρίας χαρτοφυλακίου η αρχική ποσόστωση των διαφόρων μετοχών. Στη συνέχεια γίνεται εφαρμογή της μεθόδου των προεξοφλημένων ελεύθερων ταμειακών ροών, ως μεθόδου θεμελιώδους ανάλυσης. Για την τεχνική ανάλυση, εφαρμόζεται συνδυασμένο σήμα που προέρχεται τουλάχιστον από δυο από τους παρακάτω δείκτες: τομή δυο απλών κινουμένων μέσων όρων, λωρίδες Bollinger, κινούμενου μέσου όρου σύγκλισης – απόκλισης και δείκτη σχετικής ισχύος. Για τα βαθιά νευρωνικά δίκτυα επιλέγεται η δομή επαναλαμβανόμενου δικτύου. Χρησιμοποιούνται δυο δίκτυα, το ένα με στρώμα εξόδου παλινδρόμησης και το άλλο με κατάταξη. Τελικά υπολογίζεται η τελική αξία τεσσάρων χαρτοφυλακίων που κάνουν αγοραπωλησίες με βάση τα σήματα που λαμβάνονται από τις αναφερόμενες μεθόδους. Στο πέμπτο κεφάλαιο γίνεται σχολιασμός των αποτελεσμάτων και αξιολόγηση των μεθόδων με βάση διάφορους δείκτες επίδοσης.	el
heal.abstract	The present dissertation deals with the study and implementation of Deep Neural Networks and their comparison with widespread methods of fundamental and technical analysis. The criterion of evaluation is the final yield of a portfolio of 15 stocks over a period of 10 years. Initial capital allocation was based on modern portfolio theory. The first chapter provides a brief overview of the history and the rapid development of deep neural network structures over the last decade and the reasons that make them capable predictors in the financial industry, the way they operate, their various structures but also problems and limitations in their implementation. The second chapter provides a brief overview of the characteristics of fundamental analysis. Reference is made to the data it uses in the application of its methods, which are obtained from the financial statements of the companies. The various models of stock valuation are analyzed with their advantages and limitations during their implementation The third chapter provides a brief overview of the characteristics of technical analysis. References are made to the limitations and problems with this method of analysis. Finally, the various models that offer buy and sell signals to investors are analyzed. The fourth chapter analyzes how the stocks that make up the portfolio are selected. The initial weight of these stocks is selected using modern portfolio theory. Then the method of discounted free cash flows is applied, as a method of fundamental analysis. For the technical analysis, a combined signal is applied that comes from at least two of the following indicators: intersection of two simple moving averages, Bollinger bands, moving average convergence - divergence and relative strength index. For the deep neural networks the recurrent network structure is selected. Two networks are used, one with a regression output layer and the second with a classification. Finally, the final value of four portfolios that make moves in and out of position based on the above signals, derived by each respected method, is calculated. The fifth chapter comments on the results and evaluates the methods based on various performance indicators.	en
heal.advisorName	Λαγαρός, Νικόλαος	el
heal.committeeMemberName	Τριανταφύλλου, Σάββας	el
heal.committeeMemberName	Θανόπουλος, Παύλος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Δομοστατικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	120 σ.	el
heal.fullTextAvailability	false
heal.fullTextAvailability	false