Προβλέψεις για τη μακροπρόθεσμη διαμόρφωση της ισοτιμίας των
κρυπτονομισμάτων με χρήση μοντέλων μετασχηματιστών και τεχνικών ανάλυσης συναισθήματος

Μιχαηλίδης, Χαράλαμπος; Michailidis, Charalampos

dc.contributor.author	Μιχαηλίδης, Χαράλαμπος	el
dc.contributor.author	Michailidis, Charalampos	en
dc.date.accessioned	2026-03-04T09:30:49Z
dc.date.available	2026-03-04T09:30:49Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/63765
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.31460
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Εφαρμοσμένες Μαθηματικές Επιστήμες”	el
dc.relation	info:eu-repo/grantAgreement/NA	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Πρόβλεψη τιμής Bitcoin	el
dc.subject	Μακροπρόθεσμη πρόβλεψη	el
dc.subject	Μετασχηματισμός Wavelet	el
dc.subject	Ανάλυση συναισθήματος	el
dc.subject	LSTM	en
dc.subject	Μοντέλα Transformers	el
dc.subject	W-Conv-Informer	en
dc.subject	Informer	en
dc.title	Προβλέψεις για τη μακροπρόθεσμη διαμόρφωση της ισοτιμίας των κρυπτονομισμάτων με χρήση μοντέλων μετασχηματιστών και τεχνικών ανάλυσης συναισθήματος	el
heal.type	masterThesis
heal.generalDescription	Προβλέψεις για τη μακροπρόθεσμη διαμόρφωση της ισοτιμίας των κρυπτονομισμάτων με χρήση μοντέλων μετασχηματιστών και τεχνικών ανάλυσης συναισθήματος	el
heal.classification	Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2025-07-18
heal.abstract	Η μακροπρόθεσμη πρόβλεψη της τιμής του Bitcoin αποτελεί πρόκληση λόγω της α- στάθειας της τιμής και της συσχέτισης της μεγάλο αριθμό παραγόντων. Παρατηρούμε ότι υπάρχει κενό στη βιβλιογραφία σχετικά με αυτό το θέμα. Η συγκεκριμένη εργασία εξετάζει την αποτελεσματικότητα των μοντέλων μετασχηματιστών και πιο συγκεκριμένα του μοντέλου Informer και προτείνει το W-Conv-Informer, όπου γίνεται χρήση του Μετασχηματισμού Wavelet και συνελικτικών νευρωνικών δικτύων για την βελτίωση της απόδοσης του μηχανι- σμού προσοχής (ProbAttention). Πραγματοποιούμε τρία πειράματα, όπου στο πρώτο συγκρίνουμε τον Informer έναντι των LSTM σε ημερήσιο Bitcoin dataset και προκύπτει βελτίωση κοντά στο 80%. Στη συ- νέχεια μελετάμε την απόδοση του Informer έναντι του W-Conv-Informer σε ωριαίο Bitcoin dataset αυτή τη φορά, και παρατηρούμε βελτίωση της επίδοσης του νέου μοντέλου. Τέλος, επεκτείνουμε το W-Conv-Informer, εμπλουτίζοντάς το με πληροφορία συναισθήματος που προέρχεται από ειδησεογραφικές πηγές και παρατηρούμε περαιτέρω βελτίωση της επίδοσης του μοντέλου. Τα αποτελέσματα της εργασίας εμφανίζει ότι το μοντέλο W-Conv-Informer έχει καλύτερα αποτελέσματα από το Informer και παρουσιάζει περαιτέρω βελτίωση με εμπλουτισμό συ- ναισθήματος. Αυτή η εργασία τονίζει τις δυνατότητες των μοντέλων μετασχηματιστών και τον εμπλουτισμό τους με συναίσθημα, παρέχοντας μια νέα δεδομένα, σε ερευνητές και σε traders για πρόβλεψη της τιμής του Bitcoin αλλά και χρονοσειρών γενικότερα.	el
heal.advisorName	Αλεξανδρίδης, Γεώργιος	el
heal.committeeMemberName	Βουλόδημος, Αθανάσιος	el
heal.committeeMemberName	Γεωργούλης, Εμμανουήλ	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών	el
heal.academicPublisherID	ntua
heal.numberOfPages	86 σ.	el
heal.fullTextAvailability	false