Predictability of financial commodities using econometric and machine learning models
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
Τα χρηματοοικονομικά εμπορεύματα, όπως το πετρέλαιο και ο χαλκός, διαδραματίζουν κεντρικό ρόλο στη δυναμική του πληθωρισμού, στη βιομηχανική δραστηριότητα και στη διαχείριση κινδύνου χαρτοφυλακίου, ωστόσο οι αποδόσεις τους παραμένουν δύσκολο να προβλεφθούν λόγω διαταραχών της αγοράς, μη κανονικότητας και χρονικά μεταβαλλόμενης μεταβλητότητας. Η παρούσα διπλωματική εργασία εξετάζει την προβλεψιμότητα των μηνιαίων αποδόσεων εμπορευμάτων χρησιμοποιώντας ένα ευρύ σύνολο μακροοικονομικών και χρηματοοικονομικών δεικτών και αξιολογεί κατά πόσο οι μέθοδοι μηχανικής μάθησης υπερτερούν των καθιερωμένων οικονομετρικών υποδειγμάτων σε ένα ρεαλιστικό περιβάλλον πρόβλεψης. Η εμπειρική ανάλυση επικεντρώνεται στο πετρέλαιο και στον χαλκό και χρησιμοποιεί μηνιαία δεδομένα από τη Federal Reserve Bank of St. Louis (FRED). Όλες οι μεταβλητές προεπεξεργάζονται ώστε να διασφαλιστεί η στασιμότητα και η συγκρισιμότητα μεταξύ των υποδειγμάτων: οι σειρές που σχετίζονται με τιμές μετατρέπονται σε λογαριθμικές αποδόσεις, ενώ οι μεταβλητές τύπου επιτοκίων μετατρέπονται σε πρώτες διαφορές. Η αξιολόγηση της προβλεπτικής ικανότητας πραγματοποιείται σε πλαίσιο εκτός δείγματος (out-of-sample), σύμφωνα με τη μεθοδολογία επικύρωσης χρονοσειρών, χρησιμοποιώντας τυπικά μέτρα ακρίβειας πρόβλεψης όπως RMSE και MAE. Μεθοδολογικά, η μελέτη συγκρίνει παραδοσιακές οικονομετρικές προσεγγίσεις (OLS, ARMA και GARCH) με μεθόδους μηχανικής μάθησης που χρησιμοποιούνται συχνά σε προβλήματα πρόβλεψης υψηλής διάστασης (Ridge, LASSO, Decision Trees, and Random Forests). Συνολικά, τα εμπειρικά αποτελέσματα αναδεικνύουν τη σημασία της σταθερότητας εκτίμησης και της κανονικοποίησης (regularization) για την πρόβλεψη αποδόσεων εμπορευμάτων σε μηνιαίο ορίζοντα.
Fields of Study & Subjects
Stock Market Forecasting Methods
Forecasting Techniques and Applications
Market Dynamics and Volatility
Publication details
- Journal / source
- Athens University of Economics & Business
- Publication date
- 31 January 2026
- Language
- EL