Λογότυπο αποθετηρίου

Πλοήγηση ανά Συγγραφέα "Fasoulas, Georgios"

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
    Assessing the economic impact of Russian war in energy sector
    (2023-02-09) Φασούλας, Γεώργιος; Fasoulas, Georgios; Athens University of Economics and Business, Department of Economics; Tzavalis, Elias; Dendramis, Yiannis; Vrontos, Ioannis
    Μετά την εποχή του covid-19 και τον πόλεμο μεταξύ Ρωσίας και Ουκρανίας, ο ενεργειακός κλάδος και ειδικά η τιμή της ηλεκτρικής ενέργειας έχει απασχολήσει πολλούς ερευνητές ανά τον κόσμο. Όλος ο κόσμος είχε την αγωνία να δει που θα φτάσουν οι τιμές, διότι δεν μπορούσαν να ανταπεξέλθουν οικονομικά. Ειδικά όταν η Ρωσία αποφάσισε να αναστείλει τις παραδόσεις φυσικού αερίου προς ορισμένα κράτη μέλη της ΕΕ αυξήθηκε η τιμή του φυσικού αερίου με αποτέλεσμα οι τιμές της ηλεκτρικής ενέργειας να ανέβουν σε υψηλά επίπεδα. Συνέπεια της αύξησης αυτής ήταν να αυξηθεί και ο πληθωρισμός. Ο σκοπός αυτής της εργασίας είναι να φτιάξουμε στατιστικά μοντέλα και μοντέλα μηχανικής μάθησης έτσι ώστε να προβλέψουμε την τιμή της ηλεκτρικής ενέργειας της επόμενης μέρας και της επόμενης εβδομάδας για την Ελλάδα, την Ισπανία και την Σουηδία. Αρχικά αναφέρονται κάποιες πληροφορίες σχετικά με τον κλάδο της ενέργειας, της αγορές ηλεκτρικής ενέργειας και στο πως φτάσαμε σήμερα στο να είναι οι τιμές σε πολλά υψηλά επίπεδα σε σχέση με προηγούμενα έτη. Στην συνέχεια, θα δούμε την βιβλιογραφία, όπου αναφέρονται τα μοντέλα και οι τεχνικές που έχουν χρησιμοποιηθεί για την πρόβλεψη και την μοντελοποίηση της τιμής. Είναι σημαντικό να αναφερθεί ότι η θεωρία είναι ένα πολύ σημαντικό και αναπόσπαστο μέρος για να μπορέσουμε να προχωρήσουμε στην ανάλυση. Οπότε, μετά την αναφορά στην βιβλιογραφία περιγράφεται η οικονομετρική θεωρία, τα μοντέλα και οι τεχνικές ανάλυσης δεδομένων που χρησιμοποιήθηκαν και άλλες. Επιπρόσθετα, δεν θα μπορούσαμε να παραλείψουμε την θεωρία πρόβλεψης και τις κατάλληλες τεχνικές για να κάνουμε πρόβλεψη για κάθε μοντέλο έτσι ώστε να έχουμε το μικρότερο δυνατό σφάλμα εκτίμησης. Πριν κλείσουμε, ένα από τα σημαντικότερα κομμάτια της έρευνας αυτής είναι η εμπειρική ανάλυση, όπου αναλύονται τα δεδομένα που χρησιμοποιήσαμε, και τα δύο μοντέλα που καταλήξαμε ότι είναι κατάλληλα για την πρόβλεψη της ηλεκτρικής ενέργειας στην Ελλάδα, Ισπανία και Σουηδία. Αυτά τα δύο μοντέλα είναι τα ARMA(14, 14) – GARCH(1, 1) και Random Forest. Τελευταίο αλλά εξίσου σημαντικό, έχουμε τα συμπεράσματα, όπου θα δούμε ότι το μοντέλο ARMA(14, 14) – GARCH(1, 1) έχει καλύτερη προβλεπτική ικανότητα στις περισσότερες περιπτώσεις, αλλά και την αρνητική – θετική επίδραση που είχε ο πόλεμος μεταξύ Ρωσίας και Ουκρανίας στην παγκόσμια οικονομία αλλά κυρίως στις χώρες που αναλύσαμε