Κύριο μάθημα
DF622 - Χρηματοοικονομική ανάλυση βάσει δεδομένων
Κωδικός Μονάδας Μαθήματος: DF622
Τύπος μονάδας: Επιλογή
Επίπεδο Μονάδας Μαθήματος: Μεταπτυχιακά Προγράμματα
Έτος σπουδών: 1
Εξάμηνο: Εξάμηνο 3
Αριθμός μονάδων ECTS: 10
Ώρες επαφής με το μάθημα: 12
Τρόπος παράδοσης:
Εξ Αποστάσεως Προγράμματα
Προαπαιτούμενα
Διοικητική Οικονομική και Στατιστική
Στόχοι του μαθήματος
Σκοπός του μαθήματος είναι να παρέχει στους σπουδαστές τις θεμελιώδεις αναλυτικές δεξιότητες, γνώσεις και εργαλεία για την εφαρμογή της ανάλυσης βάσει δεδομένων για την προώθηση της λήψης αποφάσεων, την αύξηση της αποτελεσματικότητας, την ενίσχυση των δυνατοτήτων διαχείρισης κινδύνων και την καλύτερη πρόβλεψη των επερχόμενων αποτελεσμάτων.
Με την ολοκλήρωση αυτού του μαθήματος, οι φοιτητές θα είναι εφοδιασμένοι με τις απαραίτητες και επαρκείς γνώσεις και δεξιότητες για την εφαρμογή τεχνικών μηχανικής μάθησης για χρηματοοικονομική μοντελοποίηση και ανάλυση.
Μαθησιακά αποτελέσματα
- Περιγράψτε τη διαφορά μεταξύ ποσοτικών και ποιοτικών μεταβλητών, καθώς και μεταξύ δεδομένων διατομής και χρονοσειρών. Προσδιορίστε τους διαφορετικούς τύπους πηγών δεδομένων: υπάρχουσες πηγές δεδομένων, πειραματικές μελέτες και μελέτες παρατήρησης.
- Να συνοψίσετε τα ποιοτικά δεδομένα χρησιμοποιώντας κατανομή συχνοτήτων, ραβδογράμματα και κυκλικά διαγράμματα. Να συνοψίζουν ποσοτικά δεδομένα χρησιμοποιώντας κατανομές συχνοτήτων, ιστογράμματα, πολύγωνα συχνοτήτων και ογκύλες. Να υπολογίζουν και να ερμηνεύουν τη μέση τιμή, τη διάμεσο και τον τρόπο λειτουργίας, το εύρος, τη διακύμανση και την τυπική απόκλιση, τα εκατοστημόρια, τα τεταρτημόρια και τις απεικονίσεις box-and-whiskers, τη συνδιακύμανση, τη συσχέτιση και τη γραμμή ελαχίστων τετραγώνων, τους σταθμισμένους μέσους όρους και τη μέση τιμή και τυπική απόκλιση ομαδοποιημένων δεδομένων, το γεωμετρικό μέσο.
- Να περιγράψετε την επιβλεπόμενη μηχανική μάθηση, την μη επιβλεπόμενη μηχανική μάθηση και τη βαθιά μάθηση- να περιγράψετε την υπερπροσαρμογή και να προσδιορίσετε μεθόδους αντιμετώπισής της.
- Εφαρμογή αλγορίθμων μηχανικής μάθησης με επίβλεψη -συμπεριλαμβανομένης της ποινικοποιημένης παλινδρόμησης, της μηχανής διανυσμάτων υποστήριξης, του k-κοντινότερου γείτονα, του δέντρου ταξινόμησης και παλινδρόμησης, της μάθησης συνόλου και του τυχαίου δάσους- και προσδιορισμός των προβλημάτων για τα οποία είναι καταλληλότεροι.
- Να περιγράψετε αλγορίθμους μηχανικής μάθησης χωρίς επίβλεψη -συμπεριλαμβανομένης της ανάλυσης κύριων συνιστωσών, της ομαδοποίησης k-means και της ιεραρχικής ομαδοποίησης- και να προσδιορίσετε τα προβλήματα για τα οποία είναι καταλληλότεροι.
- Περιγραφή των νευρωνικών δικτύων, των δικτύων βαθιάς μάθησης και της ενισχυτικής μάθησης.
- Να προσδιορίσετε και να εξηγήσετε τα βήματα ενός έργου ανάλυσης δεδομένων.
- Να περιγράψει την προετοιμασία, την επεξεργασία και τη διερεύνηση δεδομένων που βασίζονται σε κείμενο για χρηματοοικονομικές προβλέψεις- να περιγράψει στόχους, μεθόδους και παραδείγματα διερεύνησης δεδομένων.
- Να περιγράψετε μεθόδους για την εξαγωγή, την επιλογή και τη μηχανική επεξεργασία χαρακτηριστικών από δεδομένα κειμένου- να αξιολογήσετε την προσαρμογή ενός αλγορίθμου μηχανικής μάθησης.
Περιεχόμενο μαθήματος
1η εβδομάδα:
- Εισαγωγή στα Business Analytics
2η εβδομάδα:
- Περιγραφική στατιστική και ανάλυση: Πίνακες και γραφικά
3η εβδομάδα:
- Περιγραφική στατιστική και ανάλυση: Αριθμητικές Μέθοδοι
4η εβδομάδα:
- Χρηματοοικονομικές προβλέψεις χρονοσειρών
5η εβδομάδα:
- Εισαγωγή στη μηχανική μάθηση στα χρηματοοικονομικά
6η εβδομάδα:
- Αλγόριθμοι μηχανικής μάθησης με επίβλεψη - 1
7η εβδομάδα:
- Αλγόριθμοι μηχανικής μάθησης με επίβλεψη - 2
8η εβδομάδα:
- Αλγόριθμοι μη επιβλεπόμενης μηχανικής μάθησης - 1
9η εβδομάδα:
- Αλγόριθμοι μη επιβλεπόμενης μηχανικής μάθησης - 2
10η εβδομάδα:
- Νευρωνικά δίκτυα, δίκτυα βαθιάς μάθησης και ενισχυτική μάθηση
11η εβδομάδα:
- Έργα μεγάλων δεδομένων στα χρηματοοικονομικά
12η εβδομάδα:
- Προετοιμασία και επεξεργασία δεδομένων. Δομημένα και μη δομημένα δεδομένα
Χαρακτηριστικά μαθήματος
Εβδομαδιαίες δραστηριότητες αυτοαξιολόγησης%):
Σε εβδομαδιαία βάση, οι μαθητές θα έχουν τη δυνατότητα να συμμετέχουν σε δραστηριότητες αυτοαξιολόγησης για να κρίνουν το επίπεδο κατανόησης των εννοιών που έχουν καλυφθεί μέχρι στιγμής. Οι εβδομαδιαίες δραστηριότητες αυτοαξιολόγησης παρέχουν άμεση ανατροφοδότηση.
Εβδομαδιαίες διαδραστικές δραστηριότητες (50%):
Σε εβδομαδιαία βάση, οι φοιτητές θα έχουν τη δυνατότητα να αλληλεπιδρούν με τον καθηγητή, άλλους φοιτητές ή/και πραγματικές επιχειρήσεις για την ολοκλήρωση ορισμένων δραστηριοτήτων. Οι δραστηριότητες αυτές αποτελούν αναπόσπαστο μέρος του μαθήματος και βοηθούν τους φοιτητές να κατανοήσουν και να αφομοιώσουν την ύλη κάθε εβδομάδας. Κάθε εβδομαδιαία διαδραστική δραστηριότητα έχει 4% του βαθμού και ο καθηγητής θα παρέχει ανατροφοδότηση εντός 1 εβδομάδας.
Τελική εξέταση (50%)
Η τελική εξέταση αποτελείται από δύο μέρη:
- Μέρος Α: Βασικοί όροι και ορισμοί (ερωτήσεις πολλαπλής επιλογής) - 30 μονάδες.
- Μέρος Β: Έννοιες χρηματοοικονομικής ανάλυσης (ερωτήσεις τύπου έκθεσης) - 35 μονάδες.
- Μέρος Γ: Υπολογισμός χρηματοοικονομικής ανάλυσης (αριθμητικές ερωτήσεις) - 35 μονάδες.
English (UK) 
Ελληνικά