Πάντειο Πανεπιστήμιο Κοινωνικών και Πολιτικών Επιστημών
Περίληψη:
Η Μηχανική Μάθηση έχει αποδείξει την ικανότητα της να επιλύει καθημερινά προβλήματα και να παρέχει οφέλη στους χρήστες της. Η πρόβλεψη των μεταβολών της τιμής του πετρελαίου είναι πολύ σημαντική για πολλούς ενδιαφερόμενους, και η Μηχανική Μάθηση είναι υποψήφια για να βοηθήσει προς αυτή την κατεύθυνση. Εφαρμόζουμε διάφορα μοντέλα Μηχανικής Μάθησης και παρατηρούμε ότι παρόλο που υπάρχουν ενδείξεις για την πρακτική εφαρμογή της, υπάρχει μεγάλη απόσταση να διανύσουμε μέχρι η Μηχανική Μάθηση να μπορέσει να ανταποκριθεί σε ένα απαιτητικό, πολυμεταβλητό, πρόβλημα χρονοσειρών όπως είναι αυτό της πρόβλεψης των μεταβολών της τιμής του πετρελαίου. Στην περίπτωσή μας μόνο το βασικό LSTM μοντέλο κατάφερε να δείξει απόδοση κοντά στην πρόβλεψη no-change, κάτι που το καθιστά επίσης, ακατάλληλο για την πρόβλεψη της μεταβολής των τιμών του πετρελαίου.
Abstract:
Machine Learning algorithms have proven their ability to solve everyday problems and provide benefits to its users. Forecasting oil price movements is essential for many stakeholders, and Machine Learning is a candidate to help in that direction. We apply various Machine Learning models, and we find that although there are indications of its applicability, there is still a long way to go until Machine learning can address a challenging multivariate time-series problem like the one in forecasting oil price movements. In our case, only the plain LSTM model managed to show performance close to the no-change forecast, which renders it inappropriate for use in forecasting oil price movements.
Περιγραφή:
Διπλωματική εργασία - Πάντειο Πανεπιστήμιο. Τμήμα Οικονομικής και Περιφερειακής Ανάπτυξης, ΠΜΣ, κατεύθυνση Εφηρμοσμένων Οικονομικών και Διοίκησης, 2020
