Πλοήγηση ανά Επιβλέποντα "Besbeas, Panagiotis"

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 - 2 από 2

Introduction to hidden Markov models and their application to financial theory
(2025-11-04) Barkolias, Evangelos-Panagiotis; Μπαρκολιάς, Ευάγγελος-Παναγιώτης; Vrontos, Ioannis; Giannakopoulos, Thanasis; Besbeas, Panagiotis
Hidden Markov Models (HMMs) emerged in the late ’60s as a statistical framework designed to extract latent information from data characterized by uncertainty. Their ability to capture hidden structure beyond observable variables soon made them highly relevant for financial applications, where volatility clustering, regime shifts, and non-normality are pervasive. Before turning to empirical application, it is important to first review the theoretical background that underpins HMMs,ensuring a clear understanding of the statistical concepts on which they are built. Building on this foundation, the thesis investigates the modeling of stock returns, beginning with models without temporal dependence and gradually extending to fully Markovian structures, highlighting the crucial role of state dependence in improving both interpretability and predictive power. Methodologically, the research employs Direct Numerical Maximization for parameter estimation and evaluates state sequences. The results show that incorporating state dependence not only improves the statistical characterization of stock return distributions but also yields interpretable latent states corresponding to calm and turbulent regimes. Furthermore, the analysis emphasizes the importance of approaching financial time series from a purely statistical perspective while also ensuring robust optimization and reliable inference.
Hidden Markov Models and their application in modeling rainfall occurrence
(2025-06-06) Grammenos, Konstantinos; Γραμμένος, Κωνσταντίνος; Pavlopoulos, Charalampos; Yannacopoulos, Athanasios; Besbeas, Panagiotis
Η μοντελοποίηση δεδομένων ημερήσιων βροχοπτώσεων αποτελεί σημαντικό πεδίο έρευνας ιδίως σε περιοχές όπως η βορειοανατολική Βραζιλία, όπου οι καιρικές συνθήκες επηρεάζονται από σύνθετα φαινόμενα που σχετίζονται με την ατμόσφαιρα και τη θερμοκρασία του ωκεανού. Η ανάπτυξη στοχαστικών μοντέλων είναι απαραίτητη για την κατανόηση των μοτίβων βροχόπτωσης, τη διαχείριση υδάτινων πόρων και την πρόβλεψη μελλοντικών φαινομένων. Στην παρούσα διατιβή διερευνάται η χρήση Κρυφών Μαρκοβιανών Μοντέλων (HMMs) για τη μοντελοποίηση ημερήσιων δεδομένων βροχόπτωσεων σε περιόδο 90 ημερών, για 24 χρόνια (1975–2002) στην πολιτεία Ceará της Βορειοανατολικής Βραζιλίας. Αρχικά, παρουσιάζεται εφαρμογή στα δυαδικά δεδομένα του θερμοπίδακα ”Old Faithful”, ως εισαγωγή στα HMMs. Έπειτα, εφαρμόζονται ομοιογενή HMMs στα δεδομένα βροχοπτώσεων, αποκαλύπτοντας 4 υποβόσκουσες καταστάσεις: δύο που αντιστοιχούν σε βροχερές και ξηρές συνθήκες και δύο μεταβατικές, με αντίστροφες πιθανοτήτες βροχοπτώσης μεταξύ βόρειων και νότιων σταθμών. Η ανάλυση συνεχίζεται με την ενσωμάτωση εξωτερικών κλιματικών δεδομένων μεγάλης κλίμακας και πιο συγκεκριμένα της προσομοιωμένης εποχικής μέσης απόκλισης βροχόπτωσης που προέρχεται από ένα μοντέλο Γενικής Κυκλοφορίας (GCM), ως εξωτερικής μεταβλητής σε ένα μη ομοιογενές HMM (NHMM). Με το μοντέλο αυτό, αποδεικνύεται ότι αυτή η εξωτερική μεταβλητή επηρεάζει τη μετάβαση μεταξύ των καταστάσεων. Επιπλέον, η ίδια μεταβλητή ενσωματώνεται μέσω λογιστικής παλινδρόμησης στη διαδικασία παρατήρησης. Το βέλτιστο από αυτά μοντέλο, δείχνει πως ενώ κάθε σταθμός παρουσιάζει διαφορετική βασική πιθανότητα βροχής, η επίδραση της κλιματικής μεταβλητής είναι συνεπής σε όλη την περιοχή. Τέλος, εξετάζεται εναλλακτική προσέγγιση όπου κάθε έτος μοντελοποιείται ως ανεξάρτητη εποχική ακολουθία αντί μια συνεχόμενη σειρά 2,160 ημερών. Τα αποτελέσματα υπογραμμίζουν τη σημασία των HMMs και της ενσωμάτωσης κλιματικών μεταβλητών στην κατανόηση και πρόβλεψη των βροχοπτώσεων.