Ακαδημαϊκό Αποθετήριο

Μόνιμο URI για αυτήν την κοινότηταhttps://pyxida.aueb.gr/handle/123456789/1

Στο "Ακαδημαϊκό Αποθετήριο" συγκεντρώνεται η πλούσια επιστημονική, εκπαιδευτική και ερευνητική παραγωγή του Οικονομικού Πανεπιστημίου Αθηνών. Στις συλλογές αυτής της ενότητας περιλαμβάνονται διπλωματικές εργασίες, διδακτορικές διατριβές, ερευνητικά δοκίμια, εκθέσεις ερευνητικών προγραμμάτων και ανακοινώσεις συνεδρίων, πτυχιακές εργασίες και εκπαιδευτικό υλικό όλων των Σχολών και Τμημάτων του ΟΠΑ. Μέσω εξελιγμένων ηλεκτρονικών υπηρεσιών και πιστοποιημένων διαδικασιών αυτόματης απόθεσης ψηφιακού υλικού, το Ακαδημαϊκό Αποθετήριο ΟΠΑ" φιλοδοξεί να προσφέρει στην ακαδημαϊκή και ευρύτερη κοινότητα την έγκριτη επιστημονική και ερευνητική γνώση που παράγεται στο Πανεπιστήμιο, με γνώμονα τις κατευθυντήριες Ιδρυματικές Αξίες της Αριστείας, της Καινοτομίας, της Εξωστρέφειας και της Κοινωνικής Προσφοράς.

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 - 20 από 9515

Accounting reforms’ real effects on operational activities: evidence from IFRS 15
(2025) Karampinis, Nikolaos; Lessis, Ioannis
This study explores the real effects of accounting reforms on operational activities. Studying the implementation of the new revenue recognition standard, the International Financial Reporting Standard (IFRS) 15, we find real effects on the high-affected firms through the contracting and learning channels. Due to the high reporting costs, firms strategically choose to loosen their credit policy in IFRS 15 anticipation until tightening it again, lower than pre-IFRS 15 levels. These changes produce spillover effects on credit policy quality and the firms’ risk management. Meanwhile, firms improve resource and cost efficiency by increasing cash revenue while keeping operational costs steady. Our findings provide evidence of accounting reforms’ real effects on the operational activities, which are hardly influenced because they rely on the firm’s strategic commitments and form through decision-making processes with several involved parties. Moreover, our empirical evaluation of IFRS 15 real effects provides valuable feedback for standard setters.
Actuarial risk assessment: modeling COVID-19 mortality in Europe
(2025-10-24) Constantinou, Vasilia; Κωνσταντίνου, Βασιλεία; Pedeli, Xanthi; Pateras, Konstantinos; Besbeas, Panagiotis
This thesis models weekly COVID-19 mortality across 20 European countries using a spline-based Negative Binomial Generalized Linear Model (NB-GLM). The model incorporates B-splines for time, country fixed effects and key epidemiological, demographic and healthcare predictors, explaining 78% of the variation in mortality. New cases, ICU occupancy and lagged deaths emerged as strong predictors, reflecting both infection trends and healthcare strain. Demographic factors, particularly the proportion of elderly population and diabetes prevalence, were linked to higher baseline mortality. Vaccination effects were wave-dependent, with a protective impact in wave 2 but more complex dynamics in wave 3 due to timing and interactions with other factors. Country-specific effects showed substantial geographic disparities, with Bulgaria and Romania exhibiting higher mortality than countries like Italy and Portugal. Model diagnostics revealed mild residual autocorrelation and slight underestimation in extreme mortality weeks. For actuarial applications, the results support dynamic mortality loadings, wave and country-specific adjustments and the use of epidemiological indicators as early-warning signals for pricing and reserving. The framework provides a flexible, interpretable approach to pandemic mortality modeling, offering insights for both COVID-19 risk management and broader actuarial applications to public health crises.
AdsX: changing the landscape of mobility-based digital out-of-home advertising in the United Kingdom
(2025-09-25) Poulis, Ioannis; Πούλης, Ιωάννης; Skarmeas, Dionysios; Paraskevas, Argouslidis; Salavou, Helen
Η παρούσα εργασία παρουσιάζει το επιχειρηματικό σχέδιο της AdsX, μιας νεοφυούς επιχείρησης που φιλοδοξεί να αλλάξει τον τρόπο με τον οποίο λειτουργεί η υπαίθρια διαφήμιση στο Ηνωμένο Βασίλειο. Η AdsX τοποθετεί ηλιακά τροφοδοτούμενες ψηφιακές οθόνες σε ταξί και αξιοποιεί τεχνητή νοημοσύνη για την προβολή διαφημίσεων στο σωστό σημείο και χρόνο. Η εργασία αναλύει την αγορά, τον ανταγωνισμό, τις ευκαιρίες ανάπτυξης, καθώς και τη στρατηγική, το οργανωτικό μοντέλο και το σχέδιο μάρκετινγκ της εταιρείας. Παράλληλα, εξετάζει κινδύνους και τρόπους διαχείρισής τους, ενώ περιλαμβάνει οικονομικό πλάνο με κόστη εκκίνησης, προβλέψεις εσόδων και εκτιμώμενα κέρδη. Το έργο δείχνει πως η συνδυασμένη χρήση ψηφιακής τεχνολογίας, κινητικότητας και βιωσιμότητας μπορεί να βελτιώσει το παραδοσιακό διαφημιστικό τοπίο στο Ηνωμένο Βασίλειο.
Analysis of temporal drug prescription data to detect extremes and patterns using statistical process control tools
(2025-10-07) Taratsas, Andreas; Ταράτσας, Ανδρέας; Pateras, Konstantinos; Vrontos, Ioannis; Psarakis, Stelios
This dissertation analyzes temporal prescription data from the national ePrescription system (IDIKA) using Statistical Process Control (SPC) and time series modelling techniques to identify deviations, structural changes, and underlying prescribing patterns. Data were provided by IDIKA and included multiple ATC-coded pharmaceutical substances. A descriptive statistical analysis was first conducted to explore variability and behavioral dynamics across drugs. Four representative substances (M04AC01, M09AX01, L04AC16, and L04AC18) were selected based on diversity in variability, periodicity, and pattern change. Subsequently, an ARIMA modelling framework was applied to the daily prescription counts to extract residuals free of autocorrelation, which were then analyzed through Shewhart control charts. The Phase I–II approach ensured unbiased estimation of control limits and allowed for process stability assessment over time. Results for M09AX01 demonstrated that the prescribing process remained largely in control, with transient fluctuations attributed to external factors such as policy or supply effects. The findings highlight the applicability of SPC methods—traditionally used in industrial quality control—to healthcare analytics, offering an operational early-warning mechanism for monitoring pharmaceutical utilization and supporting data-driven decision-making within IDIKA.
The Annan Plan process through the lens of negotiation theory
(2025-10-03) Papadopoulos, Alexandros; Παπαδόπουλος, Αλέξανδρος; Blavoukos, Spyros; Kalyvitis, Sarantis; Voliotis, Seraphim
This thesis examines the Annan Plan process through the lens of negotiation theory, analyzing how key theoretical concepts can explain the strategic choices and final outcome of the talks. The analysis is structured around three frameworks: Two-Level Game Theory, the Harvard Principled Negotiation Method, and the concept of BATNA (Best Alternative to a Negotiated Agreement). Focusing on the final phase of the negotiations (February–May 2004), it interprets the parties’ actions and the factors that led to the stalemate. The aim is to shed light on the strategic decisions made by both sides and to offer a new, theory-based perspective for understanding and potentially improving the future management of the Cyprus problem.
Business strategy and cost of capital: a mediation analysis
(2025-10-31) Karampinis, Nikolaos; Lessis, Ioannis
We examine the impact of business strategy on the implied cost of capital premium (ICCpremium). We identify three paths of influence, namely, cost stickiness, conditional conservatism, and earnings persistence. We construct a Structural Equation Model (SEM) to evaluate these relationships. The findings suggest that a pure prospector has an ICCpremium of 7.44% relative to 8.01% for a defender. The paths of cost stickiness and conditional conservatism are those that primarily raise the difference. The SEM’s results support that prospectors exhibit stickier costs and less conditional conservatism, while earnings persistence is relatively similar for the two strategic positionings. Our findings remain robust under various tests while we also find that business strategy impacts both systematic and idiosyncratic risk.
Central banks & the climate crisis: stability & sustainability
(2025-10-02) Pavlidou, Nefeli; Kammas, Pantelis; Hatzipanayotou, Panagiotis; Katsimi, Margarita
This thesis explores the evolving role of central banks in addressing the financial and economic risks posed by climate change. As climate-related shocks increasingly threaten global financial stability, central banks are pressured to expand their traditional mandates to include environmental sustainability. The study begins by examining the broader economic impacts of climate change and the associated risks to financial system stability, highlighting both physical and transition risks. It then examines the theoretical and practical challenges of incorporating climate goals into central bank policy and the evolving debate over whether central banks can remain neutral while addressing the systemic threats posed by climate change. The final part of the thesis evaluates an emerging toolkit of green monetary instruments, including green quantitative easing, climate-related macroprudential frameworks, and portfolio "tilting". It argues for a precautionary and forward-looking approach to climate risk management, even in the face of deep uncertainty. The thesis overall argues that while central banks cannot replace government action, green monetary policy represents not only a necessary response to emerging risks but also a historic opportunity to rethink how institutions operate and what they can achieve in the face of global challenges.
A comparative analysis of ESG and Paris-aligned portfolios: evidence from the STOXX Europe 600 (2021–2025)
(2025-09-28) Petkidou, Sotiria; Πετκίδου, Σωτηρία; Topaloglou, Nikolaos; Skouras, Spyros; Chalamandaris, George
With this dissertation we aim to compare the performance of two sustainable investment strategies: an Environmental, Social, and Governance (ESG) portfolio and a Paris-Aligned Benchmark (PAB) one. We constructed both portfolios based on the STOXX Europe 600, and we tested them over the 2021–2025 period. The analysis applies financial metrics such as cumulative return, volatility, the Sharpe ratio, maximum drawdown, and diversification indices. In addition, it includes regression tests for beta and market capitalization. The results show that the ESG portfolio achieved stronger diversification and a lower drawdown but was more dependent on large-cap and high-beta stocks, leading to higher volatility. The PAB portfolio was more concentrated due to stricter exclusions, something that delivered a slightly higher Sharpe ratio and more stable performance in the later phase. Overall, both strategies were competitive, with different pros and cons between diversification and risk–return balance.
Competitive intelligence and counterintelligence in the shipping industry: the emergence of the chief intelligence officer
(2025-10-30) Kanellopoulos, Anastasios-Nikolaos N.; Κανελλόπουλος, Αναστάσιος-Νικόλαος Ν.; Kardaras, Dimitrios; Manolopoulos, Dimitrios; Siomkos, Georgios; Konstantopoulos, Ioannis; Sklias, Pantelis; Flouros, Floros; Ioannidis, Antonios
The purpose of this thesis is to investigate the operational integration of Competitive Intelligence and Counterintelligence in the Shipping industry, emphasizing the rise of the Chief Intelligence Officer (CINO) role. The rationale for this research is a result of escalating geopolitical uncertainty, cyber threats and competition in the market, addressing the demand for systematic intelligence leadership in the top-tier Shipping companies. This study develops and operationalizes a conceptual framework to analyze the feasibility and operationalization of the CINO role, outlining several actionable pathways for its establishment and institutionalization. The research follows a mixed-method research approach (MMR) consisting of two sequential stages. The first stage applies a methodology based on social constructivism and evidence-based research (EBR) to collect quantitative and qualitative data from Shipping leaders, to capture the state of current intelligence practices in the top-tier Greek Shipping companies. The results indicate a disjointed and inconsistent approach to the application of intelligence activities. The systemic failure in terms of organizational centralization and alignment of intent and strategy is a key shortfall that the proposed CINO role is designed to address. The second stage employs the Analytic Hierarchy Process (AHP), to ascertain the organizational strategic motivation for employing a CINO. AHP analysis was conducted with the assistance of eighteen (18) intelligence experts and asses the key criteria, sub-criteria and alternatives associated with the implementation of the CINO role. The results provided clear support for a centralized role led by an intelligence expert, advancing an Embedded Intelligence Officer model that combines the intelligence expertise and global perspectives with Shipping industry deep knowledge. This embedded approach presents to be a pathway for strategic flexibility; as well as enhancing longer-term knowledge transfer, while reducing internal resistance to initiating strategic organizational change.
Development and comparison of fetal growth reference curves
(2025-09-22) Plithaki, Natasa; Πληθάκη, Αναστασία; Ntzoufras, Ioannis; Besbeas, Panagiotis; Pateras, Konstantinos
Η ακριβής εκτίμηση της εμβρυϊκής ανάπτυξης αποτελεί θεμελιώδη παράγοντα της προγεννητικής φροντίδας, καθώς επιτρέπει την έγκαιρη ανίχνευση ανωμαλιών στην ανάπτυξη που ενδέχεται να έχουν σημαντικές κλινικές συνέπειες. Αν και οι καμπύλες αναφοράς χρησιμοποιούνται ευρέως, διαφέρουν μεταξύ πληθυσμών και συχνά βασίζονται σε περιορισμένες στατιστικές μεθόδους, οι οποίες δεν αποτυπώνουν πλήρως την πολυπλοκότητα της εμβρυϊκής ανάπτυξης. Η παρούσα διατριβή επικεντρώνεται στην ανάπτυξη και σύγκριση καμπυλών αναφοράς εμβρυϊκής ανάπτυξης, αξιοποιώντας πραγματικά δεδομένα υπερηχογραφικών μετρήσεων από ελληνικές κλινικές, με στόχο τη δημιουργία προτύπων που αντικατοπτρίζουν τα χαρακτηριστικά του ελληνικού πληθυσμού. Αρχικά, παρουσιάζεται η ιστορική εξέλιξη και η χρήση των καμπυλών ανάπτυξης στην ιατρική πράξη, ενώ ακολουθεί συγκριτική ανάλυση διαφόρων στατιστικών προσεγγίσεων, όπως η γραμμική παλινδρόμηση, τα γενικευμένα γραμμικά μοντέλα και τα γενικευμένα προσαρμοστικά μοντέλα (GAMs). Βασιζόμενη σε αυτά, η εργασία εφαρμόζει τα γενικευμένα προσαρμοστικά μοντέλα για θέση, κλίμακα και μορφή (GAMLSS) — ένα ευέλικτο πλαίσιο που επιτρέπει τη μοντελοποίηση όχι μόνο του μέσου όρου, αλλά τεσσάρων παραμέτρων. Χρησιμοποιώντας ένα καλά καθορισμένο δείγμα πληθυσμού, βασικές εμβρυϊκές παράμετροι όπως η διμερής διάμετρος του κρανίου, η περίμετρος κεφαλής, το μήκος του μηριαίου οστού, η περίμετρος κοιλιάς και το εκτιμώμενο βάρος εμβρύου μοντελοποιήθηκαν σε συνάρτηση με την ηλικία κύησης. Παράλληλα, εφαρμόστηκαν διαδικασίες εσωτερικής επικύρωσης για την αξιολόγηση της ακρίβειας και της αξιοπιστίας των παραγόμενων καμπυλών αναφοράς. Εκτός από τις στατικές καμπύλες εκατοστημορίων, η διατριβή αναπτύσσει και μοντέλα ταχύτητας ανάπτυξης, προσφέροντας μια δυναμική προοπτική των προτύπων αύξησης. Παραδείγματα εφαρμογών καταδεικνύουν πώς οι καμπύλες ταχύτητας μπορούν να διαφοροποιούν μεταξύ φυσιολογικής, επιταχυμένης και περιορισμένης ανάπτυξης, παρέχοντας χρήσιμες κλινικές πληροφορίες. Η εφαρμογή προχωρημένων στατιστικών μεθόδων, όπως το GAMLSS, σε πραγματικά δεδομένα από την ελληνική κλινική πράξη, επέτρεψε την ανάπτυξη επικαιροποιημένων καμπυλών αναφοράς εμβρυϊκής ανάπτυξης που αντανακλούν με ακρίβεια τα χαρακτηριστικά του τοπικού πληθυσμού. Συνδυάζοντας την αξιολόγηση τόσο του μεγέθους όσο και της ταχύτητας ανάπτυξης, τα προτεινόμενα μοντέλα προσφέρουν μια πιο ολοκληρωμένη περιγραφή της εμβρυϊκής ανάπτυξης και ενισχύουν την ικανότητα εντοπισμού αποκλίσεων από την αναμενόμενη πορεία. Η εργασία συμβάλλει έτσι στη δημιουργία σύγχρονων και πληθυσμιακά αντιπροσωπευτικών προτύπων για τον ελληνικό πληθυσμό, παρέχοντας στους κλινικούς ιατρούς πιο αξιόπιστα εργαλεία για την προγεννητική παρακολούθηση και στην περαιτέρω βελτίωση των οδηγιών περιγεννητικής φροντίδας.
Estimating the implied cost of capital from the RIV and the AEG models: a contemporary analysis: draft Version of PhD thesis
(2025) Lessis, Ioannis
Προσχέδιο διδακτορικής διατριβής.
Forecasting in panel data
(2025-11-13) Pavelis, Konstantinos; Παβέλης, Κωνσταντίνος; Topaloglou, Nikolaos; Dendramis, Yiannis; Alexopoulos, Angelos
Η παρούσα μελέτη εξετάζει τη χρήση οικονομετρικών μεθόδων πρόβλεψης στο πλαίσιο δεδομένων πίνακα (panel data), συνδυάζοντας παραδοσιακές προσεγγίσεις με σύγχρονες τεχνικές μείωσης διαστατικότητας, όπως τα Μοντέλα Παραγόντων, τα Μοντέλα Σταθερών Επιδράσεων και η Ανάλυση Κύριων Συνιστωσών (PCA). Στόχος της έρευνας είναι να δείξει πώς η ενσωμάτωση πληροφοριών από δεδομένα πίνακα βελτιώνει τόσο την ακρίβεια όσο και την ερμηνευτική δύναμη των προβλέψεων για οικονομικές και χρηματοοικονομικές μεταβλητές, σε σύγκριση με τις κλασικές μεθόδους χρονοσειρών. Η εμπειρική ανάλυση βασίζεται σε ημερήσια δεδομένα από δεκαπέντε σημαντικούς παγκόσμιους δείκτες μετοχών, καλύπτοντας τις Ηνωμένες Πολιτείες, την Ευρώπη και την Ασία, για την περίοδο 2014-2025. Το σύνολο δεδομένων περιλαμβάνει τις μεταβλητές Open, High, Low και Change, οι οποίες αναλύονται μέσω οικονομετρικών μοντέλων όπως τα Fixed Effect, Random Effects και PCA Factor models. Η ανάλυση πραγματοποιήθηκε με τη γλώσσα προγραμματισμού R στο περιβάλλον RStudio, αξιοποιώντας την αποτελεσματικότητα στην επεξεργασία και ανάλυση μεγάλων και σύνθετων συνόλων δεδομένων. Τα αποτελέσματα δείχνουν ότι ο συνδυασμός της δομής των δεδομένων πίνακα με τεχνικές μείωσης διαστατικότητας οδηγεί σε σημαντικές βελτιώσεις στην ακρίβεια των προβλέψεων, προσφέροντας βαθύτερη κατανόηση των μηχανισμών που καθορίζουν τη συμπεριφορά των αγορών. Δείκτες όπως ο S&P 500 και ο CAC40 παρουσίασαν ιδιαίτερα υψηλές τιμές προσαρμοσμένου R², υποδεικνύοντας ότι ένα μικρό σύνολο λανθανουσών παραγόντων που εξάγεται μέσω PCA μπορεί να αιχμαλωτίσει αποτελεσματικά το μεγαλύτερο μέρος της διακύμανσης των αποδόσεων. Αντιθέτως, δείκτες όπως ο Nikkei 225 και ο Hang Seng παρουσίασαν χαμηλότερη ερμηνευτική δύναμη, υποδηλώνοντας ότι η παρουσία περιφερειακών ή ιδιοσυγκρασιακών παραγόντων δεν καλύπτεται πλήρως από τα μοντέλα. Τα PCA Factor Models έδειξαν ότι τα πρώτα οκτώ συστατικά επαρκούν για να εξηγήσουν περίπου το 80% της διακύμανσης στους κύριους δείκτες, με τα PC3 και PC6 να αναδεικνύονται ως στατιστικά σημαντικοί δείκτες σε περισσότερες αγορές. Παρά τα ζητήματα ετεροσκεδαστικότητας και μη κανονικότητας των υπολειμμάτων, η χρήση ρομπάστ τυπικών σφαλμάτων παρείχε αξιόπιστα συμπεράσματα, χωρίς ενδείξεις πολυσυγγραμμικότητας ή αυτοσυσχέτισης. Συνολικά, τα ευρήματα δείχνουν ότι ο συνδυασμός των Fixed/Random Effects και των Factor Models παρέχει ένα ολοκληρωμένο και αποτελεσματικό πλαίσιο για χρηματοοικονομικές προβλέψεις. Αυτή η προσέγγιση παρέχει στατιστικά και θεωρητικά έγκυρα αποτελέσματα, ενισχύει την κατανόηση των παγκόσμιων χρηματοοικονομικών αγορών και συμβάλλει στην ανάπτυξη τεκμηριωμένης οικονομικής πολιτικής.
From pen to prediction: handwriting-based Alzheimer’s detection
(2025-10-29) Boumpi, Maria; Μπουμπή, Μαρία; Pavlopoulos, John
Detecting Alzheimer’s disease (AD) at an early stage is critical for planning effective treatments, supporting patients and their families, and slowing the progression of symptoms. Conventional practices, such as neuroimaging and biomarker assessment, tend to be costly and impractical for broad screening applications. This study tries to fill the gaps from previous studies and explore the ability of handwriting analysis as a non-invasive, accessible, and affordable way to identify AD. Our approach combines two perspectives, measurable features from pen movement patterns and handwritten images. The analysis integrated two datasets, the DARWIN dataset, which offers a range of tabular and image data from handwriting samples from multiple tasks, and the Alzheimer’s Disease Dataset (ADD), a detailed clinical dataset with demographic, medical, and cognitive assessment data. A series of classification approaches was applied, classic machine learning models (Random Forest, SVM, XGBoost) on tabular data, a deep learning-based Swin Transformer for images, and a multimodal classifier fusing the two modalities. The results confirm that the handwriting-based features are individually strong enough to be used as a diagnostic tool, as Random Forest achieved 83.03% ± 1.18 on DARWIN tabular data and XGBoost achieved 83.53% ± 3.44 on the ADD dataset. The Swin Transformer also managed to reach a consistent performance on handwriting images (80.02% ± 0.87) and was able to capture delicate motor and spatial anomalies that suggest cognitive decline. The best overall performance was achieved with a late fusion model that combined both modalities, achieving 89.15% ± 1.73 Accuracy. This highlights how combining visual and structured data can capture both neuromotor and cognitive impairment. Ablation studies looked at the effects of sequence and order on handwriting tasks and the bounds of joint training in data-constrained fusions. Studies have demonstrated that modular fusion provides more consistent and interpretable outcomes than any other method available in small-sample situations. In summary, handwriting, represented by measurable features from pen movement patterns and raw handwriting images, is simple, inexpensive, and reliable for detecting AD. It surpasses clinical performance while enabling home and clinical use.
Implied cost of capital and accounting conservatism
(2025-10-31) Karampinis, Nikolaos; Lessis, Ioannis
In this paper, we illuminate the importance of accounting conservatism adjustments when estimating the implied cost of capital (ICC) with the Residual Income Valuation (RIV) and the Abnormal Earnings Growth (AEG) model. Specifically, we adjust for three main limitations in the research of ICC, that is, accounting conservatism, analyst over-optimism, and the degrees of freedom problem (i.e. different forecasting horizons), and compare their effects. We show that, after conservatism adjustments in either model, the correlation and the explanatory power of ICC for realized returns exhibit a substantial improvement. However, we find that the adjustment for analyst bias generates immaterial changes, while the adjustment for the degrees of freedom problem yields mixed results. Contrary to expectations, the adjustments do not align the estimated ICCs from the two models but make them to diverge more. Finally, the ICC from the AEG model outperforms its counterpart from the RIV model either with or without the adjustments.
Interim progress report template
(2025-05-13) Lessis, Ioannis
Scientific Report to the Hellenic Foundation for Research and Innovation (H.F.R.I.) for the 3rd Call for H.F.R.I. Scholarships to PhD Candidates. Interim Progress Report Template / Scholar’s Full Name: Ioannis Lessis / Application No.: 6460 / Thesis Title: Estimating the implied cost of capital from the RIV and the AEG models: A contemporary analysis / Host Institution: Athens University of Economics and Business / Referenced period: 13.4.2022 – 13.4.2025
Interim progress report template
(2023-11-01) Lessis, Ioannis
Scientific Report to the Hellenic Foundation for Research and Innovation (H.F.R.I.) for the 3rd Call for H.F.R.I. Scholarships to PhD Candidates. Interim Progress Report Template / Scholar’s Full Name: Ioannis Lessis / Application No.: 6460 / Thesis Title: Estimating the implied cost of capital from the RIV and the AEG models: A contemporary analysis / Host Institution: Athens University of Economics and Business / Referenced period: 13.4.2022 - 13.10.2023
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.
An introduction to synthetic survival data
(2025-09-22) Κατσαρού, Βαρβάρα-Γρηγορία; Katsarou, Varvara-Grigoria; Pedeli, Xanthi; Thomadakis, Christos; Demiris, Nikolaos
Οι συνθετικές ομάδες ελέγχου (Synthetic Controls) αποτελούν μια ταχέως αναπτυσσόμενη προσέγγιση, ικανή να αντιμετωπίσει προκλήσεις στον σχεδιασμό των κλινικών ερευνών. Οι ομάδες αυτές κατασκευάζονται χρησιμοποιώντας εξωτερικά δεδομένα προηγούμενων μελετών και αποτελούνται αποκλειστικά απο εικονικούς ασθενείς. Μέσω στατιστικών και υπολογιστικών μεθόδων, καθώς και τεχνικών προσομοίωσης, αναπαράγονται τα χαρακτηριστικά των ασθενών αντιμετωπίζοντας προβλήματα όπως η δυσκολία συγκέντρωσης επαρκούς αριθμού ασθενών και η περιορισμένη πρόσβαση σε δεδομένα σχετικά με αυτούς. Σκοπός της παρούσας διατριβής είναι η παρουσίαση των μεθόδων για την δημιουργία συνθετικών ομάδων ελέγχου, καθώς και η επέκταση του πλαισίου της σύνθεσης δεδομένων επιβίωσης για την δημιουργία συνθετικών ασθενών, τόσο για τις ομάδες ελέγχου όσο και για τις ομάδες θεραπείας. Δύο εφαρμογές σε ογκολογικά δεδομένα παρουσιάζονται: η πρώτη αφορά γυναίκες με καρκίνου του μαστού, ενώ η δεύτερη εξετάζει ένα σύνολο ασθενών με καρκίνο του ήπατος και των χοληφόρων. Και οι δύο εφαρμογές αναλύουν τα κλινικά χαρακτηριστικά των ασθενών, τις τάσεις επιβίωσης τους, αναδεικνύοντας την χρησιμότητα των συνθετικών ομάδων ελέγχου. Κεντρικό στοιχείο ήταν η επαναξιολόγηση των θεραπειών, capecitabine για τον καρκίνο του μαστού και sorafenib για τον καρκίνο τους ήπατος και των χοληφόρων. Οι επιδράσεις των θεραπειών ενσωματώθηκαν ως σταθερές επιδράσεις στα μοντέλα επιβίωσης χρησιμοποιώντας τους αναφερόμενους λόγους κινδύνου (hazard ratios), ενισχύοντας έτσι τη στατιστική ισχύ των αρχικών μελετών και διαφυλάσσοντας τα ευαίσθητα δεδομένα των ασθενών. Στην εφαρμογή για τον καρκίνο του μαστού, η μέση αύξηση επιβίωσης από την capeciatbine ήταν 1,5 έτη για τις ασθενείς με τον τύπο HER2(-) Negative και 2,03 έτη για τις ασθενείς με τον τύπο Triple(-) Negative. Για το ηπατοκυτταρικό καρκίνωμα, η sorafenib αύξησε τη μέση επιβίωση κατά 0,78 έτη (10 μήνες). Συμπερασματικά, τα αποτελέσματα αναδεικνύουν την σημασία των συνθετικών ομάδων ελέγχου και ευρύτερα των συνθετικών δεδομένων επιβίωσης ως καινοτόμα προσέγγιση για την κλινική έρευνα ενισχύοντας την ακρίβεια μελετών, αντιμετωπίζοντας περιορισμούς διαθέσιμων ασθενών και βελτιώνοντας τις εκτιμήσεις της αποτελεσματικότητας θεραπειών.
Machine learning for routing problems: the case of vehicle routing problem (VRP)
(2025-10-14) Tzagkarakis, Georgios; Τζαγκαράκης, Γεώργιος; Lorentziadis, Panagiotis; Bageri, Vasiliki; Kritikos, Emmanouil
This thesis investigates the integration of machine learning (ML) techniques with classical optimization methodologies to address the Capacitated Vehicle Routing Problem (CVRP), a well-known NP-hard problem in logistics and operations research. Traditional approaches to solving VRPs rely on heuristics and metaheuristics, which, while effective, often lack adaptability and efficiency when faced with complex, large-scale datasets. Recent advancements in ML, and particularly deep learning, offer new opportunities to enhance these classical methods by leveraging data-driven insights. The research introduces a hybrid methodology that combines the Greedy Randomized Adaptive Search Procedure (GRASP) with Variable Neighborhood Descent (VND) and augments it with a Graph Isomorphism Network with edge features (GINE), a type of Graph Neural Network (GNN). The proposed model classifies initial solutions generated by the GRASP procedure as either promising or unpromising before applying local search optimization. This approach aims to reduce computational effort by selectively refining only those initial solutions likely to yield significant improvements. The methodology was evaluated using benchmark CVRP instances from the CVRPLIB dataset. Experimental results show that the hybrid GINE-GRASP-VND approach achieved moderate classification accuracy (60.12%) and demonstrated its ability to generalize to instances larger than those used in training. While the performance gains were limited in smaller instances, significant improvements were observed in larger-scale problems, validating the potential of ML-enhanced optimization methods and the feasibility of incorporating GNNs into metaheuristics frameworks for complex routing problems.
Market anomalies and factor models
(2025-11-03) Tzortzaki, Maria-Ioanna; Τζωρτζάκη, Μαρία-Ιωάννα; Skouras, Spyros; Varthalitis, Petros; Topaloglou, Nikolaos
This thesis is mainly based on the examination of the authenticity of the stock market returns. and the extent to which they can influence the return of the portfolio in which they are included. The thesis is divided into two parts, the theoretical and the empirical parts. The theoretical part starts with a brief description of the most important asset pricing models and their mathematical formulations and then subsequently a concise overview of the thirteen stock market anomalies and the different kinds that exist in the market follows, which are used in the empirical application in Unit 5. Finally, there is a reference to the risk of the financial sector in general, followed by an analysis of the risk measures that are used for the quantification of risk. In the empirical part, the application that follows is divided into two kinds of tests, the in-sample test which is the statistical test and the out of sample test, which is the dynamic test of the analysis. The aim of these tests is to examine whether the thirteen stock market anomalies can influence the returns of the portfolio that includes them, in other words to observe if they are authentic anomalies of the stock market and if the portfolios that include them can have higher returns than the ones that do not include them. Last but not least, there is a presentation of the results of the empirical tests that were executed and the conclusions that were made during the research.

Περιήγηση

Πλοήγηση Ακαδημαϊκό Αποθετήριο ανά Τίτλο