Please use this identifier to cite or link to this item: http://dspace.lib.uom.gr/handle/2159/29918
Author: Λιάγγος, Ιωάννης
Title: Εύλογη αξία και τιμολόγηση κρυπτονομισμάτων με τεχνικές μηχανικής μάθησης
Date Issued: 2023
Department: Πρόγραμμα Μεταπτυχιακών Σπουδών Λογιστική & Χρηματοοικονομική
Supervisor: Λαδάς, Ανέστης
Abstract: Η παρούσα διπλωματική εργασία ασχολείται με τον υπολογισμό της εύλογης αξίας και την τιμολόγηση των κρυπτονομισμάτων χρησιμοποιώντας τεχνικές Μηχανικής Μάθησης. Αρχικά παρουσιάζεται η βιβλιογραφική επισκόπηση που έχει σκοπό να παραθέσει μια ολοκληρωμένη εικόνα του τρόπου με τον οποίο πραγματοποιείται ο υπολογισμός της εύλογης αξίας και του τρόπου τιμολόγησης των κρυπτονομισμάτων εξετάζοντας ενδελεχώς μελέτες και μοντέλα που πραγματοποιούν αυτόν τον υπολογισμό κυρίως με την χρήση τεχνικών μηχανικής μάθησης. Στη συνέχεια διερευνάται η τεχνολογία της Αλυσίδας Συστοιχιών και οι εφαρμογές της, καθώς και το πεδίο της Μηχανικής Μάθησης με ιδιαίτερη αναφορά στον συνδυασμό του με την Ανάλυση Συναισθημάτων. Μετέπειτα, πραγματοποιείται πρόβλεψη τιμής του κρυπτονομίσματος «Bitcoin» με τη χρήση τριών διαφορετικών μοντέλων Μηχανικής Μάθησης, του μοντέλου Δικτύων Μακράς Βραχύχρονης Μνήμης (LSTM), του μοντέλου Δικτύων Αναδρομικής Πύλης (GRU) και ενός Υβριδικού μοντέλου που χρησιμοποιεί Ανάλυση Συναισθημάτων και αποτελείται από Δίκτυα Αναδρομικής Πύλης (GRU) και Συνελικτικά Νευρωνικά Δίκτυα (CNN). Στο τέλος, συγκρίνονται στατιστικά το μοντέλο Δικτύων Αναδρομικής Πύλης (GRU) με το Υβριδικό μοντέλο και προκύπτει ότι το Υβριδικό μοντέλο με την χρήση της Ανάλυσης Συναισθημάτων λειτουργεί πιο αποδοτικά. Μετά από αυτό το συμπέρασμα, προτείνεται για επιπρόσθετη μελλοντική μελέτη, να μελετηθεί ο τρόπος με τον οποίο επιλέγονται τα δεδομένα της Ανάλυσης Συναισθημάτων και η αναβάθμιση των Μεταμορφωτών, με πιο προηγμένους, οι οποίοι χρησιμοποιούνται για την μετατροπή των δεδομένων κειμένου της Ανάλυσης Συναισθημάτων σε μεταβλητές.
Keywords: Blockchain
Machine Learning
Long Short-Term Memory (LSTM)
Gated Recurrent Unit (GRU)
Convolutional Neural Networks (CNN)
Transformers
Information: Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2023.
Rights: Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Appears in Collections:ΠΜΣ Λογιστική & Χρηματοοικονομική (M)

Files in This Item:
File Description SizeFormat 
LiangosIoannisMsc2023.pdf4.23 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons