Σχολή Οικονομικών Επιστημών

Μόνιμο URI για αυτήν την κοινότηταhttps://pyxida.aueb.gr/handle/123456789/58

Η Σχολή Οικονομικών Επιστημών περιλαμβάνει τα Τμήματα: - Τμήμα Οικονομικής Επιστήμης - Τμήμα Διεθνών και Ευρωπαϊκών Οικονομικών Σπουδών.

Περιήγηση

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

Τώρα δείχνει 1 - 14 από 14

Forecasting in panel data
(2025-11-13) Pavelis, Konstantinos; Παβέλης, Κωνσταντίνος; Topaloglou, Nikolaos; Dendramis, Yiannis; Alexopoulos, Angelos
This study examines the use of econometric forecasting methods within a panel data framework, combining traditional approaches within modern dimensionality reduction techniques such as Factor Models, Fixed Effect Models and Principal Component Analysis (PCA). The research aims to demonstrate how the integration of information from panel data improves both the accuracy and explanatory power of forecasts for economic and financial variables, compared to classical time series methods. The empirical analysis is based on daily data from fifteen major global stock indices, covering the United States, Europe and Asia, for the period of 2014-2025. The dataset includes the variables Open, High, Low and Change, which are analyzed through econometric models such as Fixed Effect, Random Effects, and PCA Factor models. This analysis was conducted using the R programming language in the RStudio environment, taking advantage of its efficiency in processing and analyzing large and complex datasets. The results show that combining the panel data structure with dimensionality reduction techniques leads to significant improvements in predictive accuracy, offering deeper insights into the mechanisms driving market behavior. Indices such as S&P 500 and CAC40 displayed particularly high adjusted R2 values, indicating that a small set of latent factors extracted through PCA can effectively capture most of the variation in returns. Conversely, indices such as Nikkei 225 and Hang Seng showed lower explanatory power, suggesting that the presence of regional or idiosyncratic factors not fully captured by the models. The PCA Factor Models demonstrated that the first eight components were sufficient to explain approximately 80% of the variance in major indices, with PC3 and PC6 emerging as statistically significant predictors across most markets. Despite issues of heteroskedasticity and non normal residuals, the use of robust standard errors provided reliable inference, with no signs of multicollinearity or autocorrelation. Overall, the findings indicate that the combination of Fixed/Random Effects and Factor Models provides a comprehensive and effective framework for financial forecasting. This integrated approach yields statistically and theoretically sound results, enhances the understanding of global financial markets, and contributes to the development of evidence-based economic policymaking.
Comparative analysis of machine learning models for forecasting key macroeconomic variables: an empirical application
(2024-03-13) Μπογιατζής, Φραντζέσκο; Bojaxhis, Francesko; Athens University of Economics and Business, Department of Economics; Pagratis, Spyridon; Zacharias, Eleftherios; Dendramis, Ioannis
Σε αυτή την διατριβή παρουσιάζουμε μια έρευνα γύρο από την μακροοικονομική πρόβλεψη, προσπαθώντας να γεφυρώσουμε τους τομείς της κλασικής οικονομετρίας και της μηχανικής μάθησης. Η δομή της χωρίζεται σε τρία διακριτά και αλληλένδετα τμήματα, το καθένα εστιάζοντας σε περίπλοκες πτυχές της μεθοδολογίας.Στο πρώτο τμήμα, η μελέτη αρχίζει με μια εξερεύνηση των δυναμικών οικονομετρικών μοντέλων. Ασχολείται με τα δυναμικά μοντέλα παραγόντων και τις διανυσματικές αυτοπαλινδρομήσεις, προσφέροντας μια λεπτομερή κατανόηση της ικανότητάς τους να αποτυπώνουν τις εξελισσόμενες αλληλεξαρτήσεις στα μακροοικονομικά δεδομένα. Επιπλέον, διερευνά τα μοντέλα πρόβλεψης της μεταβλητότητας και ταυτόχρονα εισέρχεται στον κόσμο των νευρωνικών δικτύων, εξετάζοντας την αποτελεσματικότητά τους στη μοντελοποίηση μη-γραμμικών, δυναμικών και περίπλοκων μοτίβων στα μεγάλα σύνολα οικονομικών δεδομένων.Το δεύτερο τμήμα αναφέρεται στην ανάγκη για την απλότητα και την αποδοτικότητα του μοντέλου. Εξετάζει μεθοδολογίες όπως η ποινικοποιημένη παλινδρόμηση χρονολογικών σειρών, η ανάλυση κύριων συνιστωσών και η στατική ανάλυση παραγόντων, καθώς και τους μέθοδούς υποχώρου, τονίζοντας το ρόλο τους στη άντληση ουσιαστικών πληροφοριών από μεγάλα δεδομένα. Σε αυτό το μέρος επίσης εξετάζονται τεχνικές επιλογής μεταβλητών, αποδεικνύοντας τη σημασία τους στην υπέρβαση των προκλήσεων που παρουσιάζει η "κατάρα των διαστάσεων" στη μακροοικονομική ανάλυση.Το τελευταίο τμήμα κάνει λόγο για τις αβεβαιότητες στην οικονομική πρόβλεψη. Προσφέρει μια περιεκτική αξιολόγηση των στρατηγικών μέσου όρου και συνδυασμού μοντέλων όπως ο συχνοτηκός μέσος όρος, ο μπεϋζιανός μέσος όρος, ο συσσωρευτικός συνδυασμός, ο δασικός αλγόριθμος και οι αλγόριθμοι ενίσχυσης. Επιπλέον, εισέρχεται σε περιοχές της πρόβλεψη πυκνότητας πιθανότητας και της αξιολόγηση των προβλέψεων.Επίσης, σε αυτή την εργασία παρουσιάζουμε μια εμπειρική εφαρμογή που αντιπαραθέτει την αποτελεσματικότητα των προχωρημένων αλγόριθμων μηχανικής μάθησης σε σύγκριση με τα παραδοσιακά οικονομετρικά μοντέλα, παρέχοντας έτσι μια περιεκτική συγκριτική ανάλυση στα πλαίσια της οικονομετρικής πρόβλεψης.
Econometrics: little things you should know about
(2023) Papadopoulos, Alecos; Athens University of Economics and Business, Department of Economics
Shots in little dark corners of econometrics, wearing night vision goggles.
The effects of macroeconomic shocks on economic activity: a big data perspective
(2025-02-07) Κατσάρας, Σπυρίδων; Katsaras, Spyridon; Tzavalis, Elias; Antoniou, Fabio; Dendramis, Yiannis
Η συγκεκριμένη εργασία, κατά το μεγαλύτερο μέρος της αποτελεί μια βιβλιογραφική ανασκόπηση γύρω από το θέμα της ταυτοποίησης απρόσμενων γεγονότων, αλλιώς γνωστά ως 'σοκ', τα οποία έρχονται να διαταράξουν τα δεδομένα και τις ισορροπίες μεταξύ διαφόρων μακροοικονομικών μεταβλητών. Εκτός από την ταυτοποίηση και απομόνωση των παραπάνω διαταρακτικών όρων, γίνεται μια σημαντική προσπάθεια πρόβλεψης της επιρροής των όρων επάνω σε μακροικονομικές μεταβλητές ενδιαφέροντος. Πιο συγκεκριμένα, δίνεται μεγάλη έμφαση πρωτίστως στην εύρεση του χρονικού σημείου όπου η επιρροή πρωτογίνεται αντιληπτή, εν συνεχεία στην αναγνώριση της χρονικής περιόδου για την οποία θα διαρκέσει η επιρροή και τέλος στις μεταβολές της έντασης των επιδράσεων. Στην παρούσα εργασία, έχουν επιλεγεί εννέα μέθοδοι μέσω των οποίων επιτυγχάνονται τα παραπάνω. Συνεπώς, το κύριο μέρος της εργασίας αφορά την εισαγωγή του αναγνώστη στις βασικές έννοιες των μεθόδων καθώς και μια συνοπτική αλλά και περιεκτική επεξήγηση του τρόπου λειτουργίας τους μέσω παρουσίασης θεωρίας αλλά και του αντίστοιχου τυπολογίου. Τέλος, η εργασία ολοκληρώνεται με μια εμπειρική εφαρμογή της παραπάνω θεωρίας, χρησιμοποιώντας στην πράξη μια από τις εννέα μεθόδους, με αληθινά δεδομένα, έχοντας ως τελικό σκοπό της διερεύνηση της ικανότητας των οικονομετρικών μεθόδων να ανταπεξέλθουν απέναντι σε ένα πρακτικό, ελαφρώς προσαρμοσμένο οικονομικό ζήτημα. Έπειτα από την παρουσίαση των διαδικασιών της εμπειρικής εφαρμογής, τα αποτελέσματα παρουσιάζονται και σχολιάζονται.
Essays in Βayesian econometrics
(2016-10-31) Tasiopoulos, Anastasios; Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Οικονομικής Επιστήμης; Tsionas, Efthimios
This thesis consists of three main essays in Bayesian Econometrics. The first essayis about Bayesian Model Averaging with non conjugate priors with an application togrowth regressions. Bayesian Model Averaging is a novel technique for model selec-tion and model averaging with a lot of virtues in terms of predictiveness. Despite thevastness of the literature, most papers deal with the natural conjugate case for theparameters of the regressors, mainly because one can get analytical expression for theposterior moments and the marginal likelilihood. In this essay I extend the existingliterature taking into account non conjugate priors, by considering two limiting casesof a (non conjugate) multivariate student-t distribution. For the estimation of theposterior probalities, moments, marginal likelihood and predictive density, I proceedto Laplace Method, as it is proposed by Tierney and Kadane (1986) and Tierney, Kassand Kadane (1989) and a multivariate version of Theorem 3, of the latter paper, isderived. The approximations are nicely, incorporated to the MC(3) algorithm. Anapplication to growth regressions shows that the departure from the natural conjugatesetting results to some striking differences regarding the model selection procedure.The predictive results are strong and support the choice of the non conjugate setting.The second essay deals with the issue of objective Bayesian analysis in dynamic panelmodels with arbitrary cross sectional and intertemporal dependence. The objective-ness of the analysis refers to the estimation of Jreys prior of the model parameters.I extend the work of Phillips (1991) in a dynamic panel setting and I show, as Phillipsdid in a time series context, that at priors are not suitable in dynamic models toexpress ignorance. The arbitrariness of the structure of stochastic term deals with thefact that no functional assumptions are made for the error process. I allow for generalcovariance matrices and Ω and Σ , denoting the correlation among the time periods andcross sectional units respectively. I estimate the marginal posterior distribution ofthe autoregressive parameter for several models and I proceed to a comparison withthe flat prior case. My results are similar to those of Phillips (1991). In the the thirdessay, I propose a Bayesian most stringent test for serial correlation. I compare anumber of tests for autocorrelation that exist in the literature with the Bayesian one,in terms of power and stringency for several sample sizes and number of regressors.I show that the minimization of the Bayesian Shortcoming with respect to the priorparameter(s) is equivalent to the maximization of Power with respect to the sameparameter(s) and that under particular parametric settings, the resulting test is theMost Stringent. My findings show that for certain beta priors the Bayesian test at-tains very good overall performance in the alternative hypothesis parameter space.I also estimate the envelope power and under these certain prior distributions theproposed test is the most stringent.
Essays on applied panel data econometrics
(Athens University of Economics and Business, 2014-12) Polycarpou, Ioannis; Athens University of Economics and Business, Department of Economics; Genakos, Christos; Kyriazidou, Ekaterini
Doctoral thesis - Athens University of Economics and Business.
Matrix completion and factor models in causal inference: establishing a new standard
(2024-02-21) Μυλωνάκης, Χρήστος; Mylonakis, Christos; Athens University of Economics and Business, Department of Economics; Pagratis, Spyros; Dendramis, Yiannis; Alexopoulos, Angelos
Η παρούσα εργασία διεισδύει στο προσκήνιο των μεθοδολογιών αιτιώδους συμπερασματολογίας, με ιδιαίτερη έμφαση στον αναδυόμενο τομέα των μοντέλων αιτιωδών παραγόντων. Ειδικότερα, οι εκτιμητές που εισάγονται από Xu (2017) και Athey et al. (2021) αποτελούν ουσιαστική πρόοδο, προσφέροντας μια χαλάρωση των υποθέσεων προσδιορισμού που σχετίζονται με τον παραδοσιακό Two-Way Fixed Effects (TWFE) εκτιμητή, ενισχύοντας έτσι τη μεθοδολογική ευελιξία. Παρά τις δυνατότητές τους, τα εν λόγω μοντέλα έχουν συγκεντρώσει σχετικά μέτρια προσοχή, με συνδυασμένο αριθμό αναφορών 1.484 στο Google Scholar. Αυτό έρχεται σε πλήρη αντίθεση με τους εναλλακτικούς εκτιμητές τύπου Differences-in-Differences (DiD), με παράδειγμα τους Callaway and Sant'Anna (2021), οι οποίοι, παρά το γεγονός ότι είναι μεταγενέστερη εργασία, έχουν λάβει πάνω από 4.000 αναφορές, γεγονός που υποδηλώνει μια σημαντική διαφορά στην επιστημονική αναγνώριση τους. Αυτή η εργασία αποσκοπεί στην σύγκριση της αποτελεσματικότητας των μοντέλων αιτιώδους παραγόντων έναντι τόσο των εναλλακτικών εκτιμητών τύπου DiD όσο και του κλασικού TWFE σε μια ποικιλία σεναρίων χρησιμοποιώντας προσομοιώσεις Monte Carlo. Επιπλέον, η παρούσα εργασία εφαρμόζει αυτές τις καινοτόμες μεθόδους σε μια εμπειρική εφαρμογή, αξιολογώντας τον αντίκτυπο μιας κλιμακωτής παρέμβασης πολιτικής στις ελληνικές επιχειρήσεις, όπου παρατηρήθηκε σημαντική θετική επίδραση διάρκειας πέντε μηνών. Μέσω μιας ολοκληρωμένης ανάλυσης, η μελέτη αυτή επιδιώκει να συμβάλει στην ευρύτερη κατανόηση και εφαρμογή της αιτιώδους συμπερασματολογίας και υποστηρίζει μια διαφοροποιημένη εννοιολογική στροφή προς τα μοντέλα αιτιώδους παραγόντων, προτείνοντάς τα ως τις νέες μεθοδολογίες αναφοράς στις εμπειρικές εφαρμογές.
Modern Phillips Curve dynamics and the median wage
Kalevras, Kostas; Athens University of Economics and Business, Department of Economics; Alogoskoufis, Georgios
This research outlines the Phillips Curve history, examines recent developments in the unemployment – inflation research (especially since the Great Recession and its impact on price and wage inflation dynamics) and takes a fresh look at explaining median wage growth movements with a parsimonious non-linear wage Phillips Curve model. The model is evaluated through time and against the Great Recession shock and presents a fruitful line of research closer to the original Phillips specification.
Nonlinear regime-switching models and their forecasting performance against linear autoregressive
(2023) Βλαμάκης, Ελευθέριος; Vlamakis, Eleftherios; Athens University of Economics and Business, Department of Economics; Arvanitis, Stylianos; Vasilatos, Evangelos; Tzavalis, Elias
Στην παρούσα διπλωματική αναλύουμε τα βασικά μη γραμμικά μοντέλα αλλαγής καταστάσεων (regime - switching). Για παράδειγμα, παρουσιάζουμε την μαθηματική τους μορφή, τις μεθόδους εκτίμησης τους καθώς επίσης και τις μεθόδους ελέγχου του εκάστοτε μοντέλου. Στη συνέχεια, προχωράμε σε μία εμπειρική εργασία, όπου συγκρίνουμε τις προβλέψεις ενός Self-Exciting Threshold Autoregressive μοντέλου με εκείνες ενός κλασσικού Linear Autoregressive.
On high-dimensional macroeconomic forecasting
(2021-02-28) Χρονάς, Βασίλειος; Χρονάς Βασίλειος; Τζαβαλής, Ηλίας; Αρβανίτης, Στυλιανός; Δενδραμής, Ιωάννης
Αυτή η διπλωματική εργασία παρουσιάζει διαφορετικές μεθόδους που έχουν ως σκοπό την πρόβλεψη χρονοσειρών. Οι μέθοδοι αυτές συμπεριλαμβάνουν μοντέλα φακτόρων και μπευζιανές παλινδρομήσεις. Η εργασία ξεκινά με μια παρουσίαση κάποιων βασικών στοιχείων από διάφορα πεδία της στατιστικής και έπειτα παρουσιάζει τα μοντέλα φακτόρων, τις μπευζιανές παλινδρομήσεις και την μέθοδο άμεσης πρόβλεψης (nowcasting). Στην συνέχεια πραγματοποιούνται Monte-Carlo προσομοιώσεις που συγκρίνουν τις παραπάνω μεθόδους υπό διαφορετικές συνθήκες. Οι Μόντε-Κάρλο προσομοιώσεις δείχνουν ότι η μέθοδος ανάλυσης κύριων συνιστώσεων (Principal Component Analysis) λειτουργεί επιτυχώς, όταν τα σφάλματα δεν πάσχουν από αυτοσυσχέτιση. Όταν ωστόσο τα σφάλματα πάσχουν από αυτοσυσχέτιση, η μέθοδος ανάλυσης κύριων συνιστώσεων είναι κατώτερη από άλλες μεθόδους όπως η μέθοδος μερικών ελαχίστων τετραγώνων (Partial Least Squares) και η μέθοδος Three Pass Regression Filter (3PRF). Επίσης διαπιστώθηκε ότι, όταν οι παραπάνω μέθοδοι εφαρμόσθηκαν στα δεδομένα του McCracken, η αμφικλίνης παλινδρόμηση με την χρήση πλήρους διασταυρωμένης επικύρωσης στο τέλος του δείγματος, ήταν ανώτερη από τις άλλες μεθόδους.
On nonparametric and neural networks techniques for regression
Karoukis, Dimitrios; Athens University of Economics and Business, Department of Economics; Kyriazidou, Ekaterini
The context of this Thesis lies in the field of Econometrics. Our objective is to analyze various Nonparametric and Neural Networks techniques for regression. The first chapter of the Thesis is preoccupied with the analysis of the kernel density estimator, which is a fundamental step towards using kernel functions in regression. The second chapter is preoccupied with regression analysis by means of local polynomials. We will explore the techniques, their properties and their limitations. The third chapter is preoccupied with neural networks analysis. Specifically we present the structure of a one-hidden-layer and a two-hidden-layer feed forward neural network and explore their applications in regression. In the appendix we provide proofs for all the results that need to be validated throughout the thesis, namely, asymptotic (un)biasedness, consistency and asymptotic normality of the proposed estimators and the universal approximation theorem for neural networks in both the unit cube and the n-dimensional real space. We have used the R programming language for our analysis. We provide the algorithms in the appendix.
Performance and persistence of Greek mutual funds
(Οικονομικό Πανεπιστήμιο Αθηνών, 2009-06) Κραντίνου, Όλγα - Μαρίνα; Σκιαδόπουλος, Γεώργιος
Διπλωματική εργασία - Οικονομικό Πανεπιστήμιο Αθηνών. ΜΠΣ, Τμήμα Οικονομικής Επιστήμης
Railway regulation
(Οικονομικό Πανεπιστήμιο Αθηνών, 2007-10) Φύκας, Γεώργιος Π.; Κατσουλάκος, Ιωάννης; Βέττας, Νικόλαος
Διπλωματική εργασία - Οικονομικό Πανεπιστήμιο Αθηνών. ΜΠΣ, Τμήμα Οικονομικής Επιστήμης
Οικονομετρική ανάλυση της αγοράς πετρελαίου: πρόβλεψη τιμών και μεταβλητότητας
(2018-03-09) Κοττάς, Παντελής; Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Οικονομικής Επιστήμης; Βασιλάτος, Ευάγγελος; Τζαβαλής, Ηλίας; Δημέλη, Σοφία
Στην εργασία αυτή, αναλύονται οι τεχνικές εκείνες που οδηγούν στην πρόβλεψη των τιμών του πετρελαίου, καθώς και στην πρόβλεψη της μεταβλητότητάς τους. Επιπλέον, παρουσιάζονται οι σχέσεις που συνδέουν τις τιμές του μαύρου χρυσού με διάφορες μακροοικονομικές μεταβλητές στο μακροχρόνιο επίπεδο. Πιο συγκεκριμένα παρουσιάζονται και αναλύονται οι σειρές του ΑΕΠ (GDP), του δείκτη τιμών καταναλωτή (CPI), του δείκτη τιμών παραγωγού (PPI) και του φυσικού αερίου (CONS). Στο πρώτο κεφάλαιο της μελέτης γίνεται μια προσπάθεια να συνοψιστούν όλες εκείνες οι πληροφορίες που κρίνονται απαραίτητες προκειμένου να έρθει ο αναγνώστης σε επαφή με την αγορά πετρελαίου. Αρχικά παρουσιάζεται η πορεία του πετρελαίου και των τιμών του ιστορικά και αναλύεται η σχέση που συνδέει την οικονομική ανάπτυξη μιας χώρας με τις μεταβολές στις τιμές του μαύρου χρυσού. Όλα τα δεδομένα των μεγεθών που χρησιμοποιούνται στην οικονομετρική ανάλυση έχουν ληφθεί από τη βάση δεδομένων Thomson Reuters. Το κεφάλαιο 1 κλείνει με την παρουσίαση των δέκα μεγαλύτερων πετρελαιο-βιομηχανιών στον κόσμο. Στο κεφάλαιο 2 παρουσιάζονται οι μελέτες ερευνητών ανά τον κόσμο πάνω στα οικονομετρικά θέματα που θα εξετάσει η παρούσα εργασία. Στο κεφάλαιο 3 παρουσιάζονται τα στοιχεία της σειράς OIL και γίνονται έλεγχοι μοναδιαίας ρίζας όλων των σειρών που θα χρησιμοποιηθούν στην οικονομετρική ανάλυση. Τα στοιχεία των σειρών που χρησιμοποιήθηκαν για την επίτευξη του παραπάνω σκοπού ήταν τριμηνιαία. Εν συνεχεία με τη βοήθεια της μεθοδολογίας των Box-Jenkins εκτιμάται το καταλληλότερο υπόδειγμα που παρουσιάζει την καλύτερη προσαρμοστικότητα στα δεδομένα της σειράς του πετρελαίου και μέσω αυτού προχωρούμε σε πρόβλεψη των τιμών της σειράς. Ακολούθως, στο κεφάλαιο 4 γίνεται μια απόπειρα να βρεθεί η σχέση που συνδέει τις τιμές του πετρελαίου με διάφορους οικονομικούς παράγοντες. Πιο συγκεκριμένα, με τη βοήθεια της VAR ανάλυσης εξετάστηκε αν υπάρχει καποιου είδους αιτιότητα μεταξύ της μεταβλητής του πετρελαίου (OIL) και των μεταβλητών GDP, CPI, PPI και CONS για την αγορά της Αμερικής. Επιπλέον, στις 2 πρώτες ενότητες του πέμπτου κεφαλαίου παρουσιάζεται η σειρά SPOT του πετρελαίου, η οποία περιέχει μηνιαίες spot τιμές της κλίμακας WTI, και ταυτοποιείται το κατάλληλο ARIMA μοντέλο μέσω της Box-Jenkins διαδικασίας. Τέλος, με τη χρήση GARCH υποδειγμάτων, μελετάται και εξακριβώνεται το καταλληλότερο μοντέλο για την πρόβλεψη της μεταβλητότητας της σειράς του πετρελαίου και παρουσιάζονται τα στατιστιστικά δεδομένα της πρόβλεψης των τιμών και της μεταβλητότητάς τους.

Περιήγηση

Πλοήγηση Σχολή Οικονομικών Επιστημών ανά Θέμα "Econometrics"