Χρηματιστήριο και Μοντέλα Πρόβλεψης

Abstract

Η παρούσα εργασία έχει σαν βασικό θέμα της την μελέτη της κρίσης του Ελληνικού Χ.Α.Α. κατά την περίοδο 1999-2001. Για τον σκοπό αυτό, επιστρατεύονται διάφορες μέθοδοι, από τις πλέον κλασσικές (που βασίζονται στην λήψη αποφάσεων με βάση την σχετική θέση του δείκτη του Χ.Α.Α. και του κινητού μέσου όρου του), γραμμικά μοντέλα πρόβλεψης, στατιστικά μοντέλα, μοντέλα A.R., καθώς και μέθοδοι πρόβλεψης βασισμένες σε Τεχνητά Νευρωνικά Δίκτυα (Τ.Ν.Δ.).

Εξετάζοντας την συμπεριφορά και τις αποκλίσεις των μοντέλων αυτών σε δυο διαφορετικές χρονικές περιόδους, πρό και κατά την διάρκεια της κρίσης, η εργασία προσπαθεί να εξάγει συμπεράσματα για το πως και πόσο διέφερε η συμπεριφορά του Χρηματιστηρίου Αξιών Αθηνών στις δύο αυτές περιόδους και επιπλέον για το αν θα ήταν δυνατή η πρόβλεψη της κρίσης.

Ιδιαίτερα ενδιαφέροντα συμπεράσματα μπορούν να εξαχθούν και από την "αστάθεια" που παρουσιάζουν τα πλέον ακριβή και "well-behaved" μοντέλα που εξετάσαμε (Τ.Ν.Δ.) κατά την αρχική μεταβατική χρονική περίοδο, όπου και σημειώθηκε ραγδαία αύξηση του δείκτη τιμών του Χ.Α.Α.

The main topic of the thesis is the study of the Greek Stock Market during the "Stock Market Crisis" period (1999-2001). To this end, several different methods are employed, ranging from the "classical" decision making (according to the relative values of the Stock Market Index and its Moving Average), to linear models, statistical models, Auto-Regressive models, as well as prediction methods that are based on Artificial Neural Networks (A.N.N.).

By studying the behavior and the deviations of the models for two different periods, before and during the crisis, we are trying to deduce and quantify how the behavior of the Stock Market has changed during these periods, and whether it would be possible to predict or foresee the crisis.

Some very interesting conclusions can be drawn from the instability that appears on the most precise and well-behaved models that we studied (A.N.N.s) during the transition period, where the Stock Market index had significantly increased.