Ανάλυση δεδομένων για την υποστήριξη παρατηρητηρίου τιμών προϊόντων λιανικής τροφίμων

Γυπαράκης, Κωνσταντίνος; Gyparakis, Konstantinos

dc.contributor.author	Γυπαράκης, Κωνσταντίνος	el
dc.contributor.author	Gyparakis, Konstantinos	en
dc.date.accessioned	2026-09-02T05:42:55Z
dc.date.available	2026-09-02T05:42:55Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/65662
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.33356
dc.rights	Default License
dc.subject	Οικονομετρία	el
dc.subject	Ανάλυση Χρονοσειρών	el
dc.subject	Πρόγνωση Λιανικών Τιμών Τροφίμων	el
dc.subject	Συμβόλαια Μελλοντικής Εκπλήρωσης Εμπορευμάτων	el
dc.subject	Παρατηρητήριο Λιανικών Τιμών Τροφίμων	el
dc.subject	Econometrics	en
dc.subject	Time Series Analysis And Forecasting	en
dc.subject	Retail Prices Forecasting	en
dc.subject	Futures Contracts	en
dc.subject	Retail Prices Monitoring System	en
dc.title	Ανάλυση δεδομένων για την υποστήριξη παρατηρητηρίου τιμών προϊόντων λιανικής τροφίμων	el
dc.contributor.department	Τομέας Ηλεκτρονικών Βιομηχανικών Διατάξεων Και Συστημάτων Αποφάσεων	el
heal.type	bachelorThesis
heal.classification	Τεχνικές Προβλέψεων	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2026-07-10
heal.abstract	Η παρούσα διπλωματική εργασία εξετάζει τη δυνατότητα αξιοποίησης των τιμών συμβολαίων μελλοντικής εκπλήρωσης εμπορευμάτων για την πρόγνωση των τιμών λιανικής καταναλωτικών προϊόντων στην ελληνική αγορά, με στόχο την υποστήριξη ενός παρατηρητηρίου τιμών. Για τον σκοπό αυτό αναπτύχθηκε σύστημα συλλογής δεδομένων μέσω τεχνικών web scraping σε γλώσσα προγραμματισμού C#, μέσω του οποίου συγκεντρώθηκαν ημερήσιες τιμές προϊόντων από δύο μεγάλες αλυσίδες σούπερ μάρκετ της Ελλάδας για τα έτη 2023 και 2024. Οι τιμές αυτές μετασχηματίστηκαν σε εβδομαδιαίους μέσους όρους και στη συνέχεια ομαδοποιήθηκαν ανά κατηγορία προϊόντων για τη δημιουργία δεικτών εβδομαδιαίων τιμών λιανικής. Παράλληλα, συλλέχθηκαν ημερήσιες τιμές συμβολαίων μελλοντικής εκπλήρωσης εμπορευμάτων από την πλατφόρμα Yahoo Finance με χρήση της βιβλιοθήκης yfinance της Python. Μετά την προσαρμογή τους ως προς τη συναλλαγματική ισοτιμία, οι τιμές μετατράπηκαν επίσης σε εβδομαδιαίους μέσους όρους. Όλες οι χρονοσειρές μετασχηματίστηκαν σε λογαριθμικές αποδόσεις και εξετάστηκαν ως προς τη στασιμότητά τους μέσω ελέγχων Dickey-Fuller. Αφού επιβεβαιώθηκε η στασιμότητα των χρονοσειρών, εφαρμόστηκαν μέθοδοι διασταυρούμενης συσχέτισης για τον εντοπισμό στατιστικά σημαντικών υστερήσεων μεταξύ των αποδόσεων των συμβολαίων μελλοντικής εκπλήρωσης και των δεικτών λιανικής. Στη συνέχεια αναπτύχθηκαν οικονομετρικά μοντέλα γραμμικής παλινδρόμησης με τη μέθοδο των ελαχίστων τετραγώνων, όπου ως εξαρτημένες μεταβλητές χρησιμοποιήθηκαν οι αποδόσεις των δεικτών καταναλωτικών προϊόντων και ως ανεξάρτητες μεταβλητές οι κατάλληλες υστερημένες αποδόσεις των συμβολαίων μελλοντικής εκπλήρωσης εμπορευμάτων. Η αξιοπιστία και εγκυρότητα των μοντέλων εξετάστηκε μέσω διαγνωστικών ελέγχων RESET, Breusch–Pagan, Breusch–Godfrey και Shapiro–Wilk, καθώς και μέσω διαγνωστικών διαγραμμάτων καταλοίπων. Για την αντιμετώπιση πιθανών προβλημάτων πολυσυγγραμμικότητας χρησιμοποιήθηκε ο δείκτης VIF, ενώ παραβιάσεις των κλασικών υποθέσεων των μοντέλων αντιμετωπίστηκαν με εκτιμητές Newey–West. Η προγνωστική ικανότητα των μοντέλων αξιολογήθηκε με χρήση των δεικτών MAE, RMSE, MAPE και MASE, λαμβάνοντας ως σημείο αναφοράς την αφελή μέθοδο πρόβλεψης. Τα αποτελέσματα της ανάλυσης ανέδειξαν την ύπαρξη ορισμένων στατιστικά σημαντικών σχέσεων μεταξύ των διεθνών τιμών εμπορευμάτων και των τιμών λιανικής συγκεκριμένων κατηγοριών προϊόντων. Ωστόσο, τα προτεινόμενα μοντέλα δεν κατόρθωσαν να επιτύχουν καλύτερη προγνωστική επίδοση σε σχέση με την αφελή μέθοδο πρόβλεψης. Παρά το γεγονός αυτό, κρίνονται χρήσιμα για την υποστήριξη ενός συστήματος παρακολούθησης τιμών καταναλωτικών προϊόντων, καθώς παρέχουν επεξηγηματική πληροφορία σχετικά με την επίδραση των διεθνών αγορών εμπορευμάτων στις εγχώριες τιμές λιανικής.	el
heal.abstract	This thesis investigates the potential use of commodity futures contracts prices for forecasting retail prices of consumer products in the Greek market, aiming to support the development of a price monitoring system. For this purpose, a data collection system based on web scraping techniques was developed using the C# programming language, through which daily product prices were collected from two major supermarket chains in Greece for the years 2023 and 2024. These prices were transformed into weekly averages and subsequently aggregated by product category in order to construct weekly retail price indices. In parallel, daily commodity futures contracts prices were collected from the Yahoo Finance platform using the Python yfinance library. After adjusting for exchange rate effects, the futures prices were also converted into weekly averages. All time series were transformed into logarithmic returns and tested for stationarity using Augmented Dickey–Fuller tests. After confirming stationarity, cross-correlation analysis was applied to identify statistically significant lag relationships between commodity futures returns and retail price indices returns. Subsequently, econometric linear regression models were developed using the Ordinary Least Squares (OLS) method, where the dependent variables consisted of consumer products indices returns and the independent variables included appropriately lagged commodity futures returns. The reliability and validity of the models were evaluated through diagnostic tests, including RESET, Breusch–Pagan, Breusch–Godfrey, and Shapiro–Wilk tests, as well as residual diagnostic plots. To address potential multicollinearity issues, the Variance Inflation Factor (VIF) was employed, while violations of classical linear regression model assumptions were handled using Newey–West estimators. The forecasting performance of the models was assessed using MAE, RMSE, MAPE, and MASE metrics, with the naïve forecasting method serving as a benchmark. The results revealed the existence of several statistically significant relationships between international commodity prices and the retail prices of specific consumer products categories. However, the proposed models did not achieve superior forecasting performance compared to the naïve forecasting approach. Nevertheless, the models are considered useful for supporting a consumer price monitoring system, as they provide explanatory insights into the impact of international commodity markets on domestic retail prices.	en
heal.advisorName	Σπηλιώτης, Ευάγγελος
heal.committeeMemberName	Σπηλιώτης, Ευάγγελος	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Μαρινάκης, Ευάγγελος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων	el
heal.academicPublisherID	ntua
heal.numberOfPages	98
heal.fullTextAvailability	false