Λογότυπο αποθετηρίου

Πλοήγηση ανά Συγγραφέα "Bullari, Anxhela"

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Φιλτράρετε τα αποτελέσματα πληκτρολογώντας τα πρώτα γράμματα
Τώρα δείχνει 1 - 1 από 1
  • Μικρογραφία εικόνας
    Τεκμήριο
    Comparison of traditional and modern disaggregation techniques for macroeconomic data
    (2025-03-26) Μπούλλαρι, Άντζελα; Bullari, Anxhela; Tzavalis, Elias; Pagratis, Spyros; Alexopoulos, Angelos
    Η παρούσα διπλωματική εργασία εξετάζει τεχνικές χρονικής αποσύνθεσης μακροοικονομικών δεδομένων, με έμφαση στην άυλη οικονομία. Χρησιμοποιούνται κλασικές μέθοδοι, όπως οι Chow-Lin και Fernandez, ως σημεία αναφοράς για σύγκριση με σύγχρονες προσεγγίσεις μηχανικής μάθησης, και συγκεκριμένα με τη μέθοδο XGBoost. Στόχος είναι η παραγωγή πιο ακριβών τριμηνιαίων εκτιμήσεων από ετήσια δεδομένα, με επίκεντρο βασικές μεταβλητές, όπως η Ακαθάριστη Προστιθέμενη Αξία (GVA), η Προσαρμοσμένη Προστιθέμενη Αξία που περιλαμβάνει άυλα περιουσιακά στοιχεία (VAadj), οι Άυλες Επενδύσεις εκτός Εθνικών Λογαριασμών (I_NonNatAcc) και το Σύνολο Άυλων Επενδύσεων (I_Intang) για 16 χώρες της Ευρωζώνης. Τέλος, η εργασία αναδεικνύει τους περιορισμούς των υφιστάμενων μεθοδολογιών και προτείνει βελτιωμένες προσεγγίσεις για μεγαλύτερη ακρίβεια και αξιοπιστία στη μελλοντική αποσύνθεση μακροοικονομικών δεδομένων, ιδιαίτερα στους άυλους τομείς.