{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2887985"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2887985","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Hidden Semi-Markov and applications in time series","abstract":"Στα πλαίσια αυτής της διπλωματικής θα περιγραφούν αρχικά τα διακριτά ημι-μαρκοβιανά μοντέλα, ώστε στη συνέχεια να γίνει η σύνδεσή τους με τα κρυμμένα ημι-μαρκοβιανά μοντέλα. Μετά από αυτή την παρουσίαση θα αναδειχθούν μέθοδοι στατιστικής εκτίμησης με βασικό εργαλείο τον αλγόριθμο EM (Expectation-Maximization) για τον οποίο γίνεται μια σύντομη περιγραφή. Έπειτα θα γίνει λεπτομερής παρουσίαση του τελευταίου με συγκεκριμένες υποθέ- σεις είτε στις κατανομές των παρατηρούμενων καταστάσεων είτε στις κατανομές των χρόνων παραμονής στις κρυμμένες καταστάσεις. Ειδικότερα εξετάζονται κατανομές παρατήρησης όπως η κανονική και η student, ενώ για τo χρόνο παραμονής στις κρυμμένες καταστάσεις εφαρμόζεται η αρνητική διωνυμική . Σε τελευταίο βήμα θα γίνει εφαρμογή σε πραγματικά δεδομένα από τον δείκτη SnP 500, η οποία θα πραγματοποιηθεί με τη χρήση του λογισμικού R, εξερευνώντας τα εμπειρικά ευρήματα (Stylized facts) που διατύπωσαν ο Granger και ο Ding και θα εξεταστεί κατά πόσο τα κρυμμένα ημι-μαρκοβιανά μοντέλα, αναπαράγουν αυτά τα ευρήματα.","abstract_html":"Στα πλαίσια αυτής της διπλωματικής θα περιγραφούν αρχικά τα διακριτά ημι-μαρκοβιανά μοντέλα, ώστε στη συνέχεια να γίνει η σύνδεσή τους με τα κρυμμένα ημι-μαρκοβιανά μοντέλα. Μετά από αυτή την παρουσίαση θα αναδειχθούν μέθοδοι στατιστικής εκτίμησης με βασικό εργαλείο τον αλγόριθμο EM (Expectation-Maximization) για τον οποίο γίνεται μια σύντομη περιγραφή. Έπειτα θα γίνει λεπτομερής παρουσίαση του τελευταίου με συγκεκριμένες υποθέ- σεις είτε στις κατανομές των παρατηρούμενων καταστάσεων είτε στις κατανομές των χρόνων παραμονής στις κρυμμένες καταστάσεις. Ειδικότερα εξετάζονται κατανομές παρατήρησης όπως η κανονική και η student, ενώ για τo χρόνο παραμονής στις κρυμμένες καταστάσεις εφαρμόζεται η αρνητική διωνυμική . Σε τελευταίο βήμα θα γίνει εφαρμογή σε πραγματικά δεδομένα από τον δείκτη SnP 500, η οποία θα πραγματοποιηθεί με τη χρήση του λογισμικού R, εξερευνώντας τα εμπειρικά ευρήματα (Stylized facts) που διατύπωσαν ο Granger και ο Ding και θα εξεταστεί κατά πόσο τα κρυμμένα ημι-μαρκοβιανά μοντέλα, αναπαράγουν αυτά τα ευρήματα.","abstract_has_math":false,"creators":["Μότης Νικόλαος","Motis Nikos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2019,"date_issued":"2019","date_published":"2019","updated_at":"2026-11-19T05:36:50Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2887985"],"render_values":[{"text":"uoadl:2887985","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2887985","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2887985","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2887985","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μότης Νικόλαος","Motis Nikos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2019"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2887985","https://pergamos.lib.uoa.gr/uoa/dl/object/2887985"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στα πλαίσια αυτής της διπλωματικής θα περιγραφούν αρχικά τα διακριτά ημι-μαρκοβιανά μοντέλα, ώστε στη συνέχεια να γίνει η σύνδεσή τους με τα κρυμμένα ημι-μαρκοβιανά μοντέλα. Μετά από αυτή την παρουσίαση θα αναδειχθούν μέθοδοι στατιστικής εκτίμησης με βασικό εργαλείο τον αλγόριθμο EM (Expectation-Maximization) για τον οποίο γίνεται μια σύντομη περιγραφή. Έπειτα θα γίνει λεπτομερής παρουσίαση του τελευταίου με συγκεκριμένες υποθέ- σεις είτε στις κατανομές των παρατηρούμενων καταστάσεων είτε στις κατανομές των χρόνων παραμονής στις κρυμμένες καταστάσεις. Ειδικότερα εξετάζονται κατανομές παρατήρησης όπως η κανονική και η student, ενώ για τo χρόνο παραμονής στις κρυμμένες καταστάσεις εφαρμόζεται η αρνητική διωνυμική . Σε τελευταίο βήμα θα γίνει εφαρμογή σε πραγματικά δεδομένα από τον δείκτη SnP 500, η οποία θα πραγματοποιηθεί με τη χρήση του λογισμικού R, εξερευνώντας τα εμπειρικά ευρήματα (Stylized facts) που διατύπωσαν ο Granger και ο Ding και θα εξεταστεί κατά πόσο τα κρυμμένα ημι-μαρκοβιανά μοντέλα, αναπαράγουν αυτά τα ευρήματα.","In the context of this thesis, the discrete semi-Markov models will be presented, so as to connect them thereafter with the hidden semi Markov models. After this presentation, statistics estimations methods with basic tool the EM algorithm (for whom a brief description is given) will be pointed out. A detailed presentation of the latter, under specific assumptions whether on component distribution or on sojourn time distribution in hidden states, is followed. In particular, observation component distribution such as normal and student are under review, whereas, as far as for the sojourn time in hidden states are concerned, negative binomial is examined. Finally, hidden semi markov models are fitted in the prices of index SnP 500 exploring how effectively these models reproduce the stylized facts that Granger and Ding pointed out."]},{"key":"dc:title","label":"Title","values":["Hidden Semi-Markov and applications in time series"]}]}],"canonical_facts":{"dc:creator":["Μότης Νικόλαος","Motis Nikos"],"dc:date":["2019"],"dc:description":["Στα πλαίσια αυτής της διπλωματικής θα περιγραφούν αρχικά τα διακριτά ημι-μαρκοβιανά μοντέλα, ώστε στη συνέχεια να γίνει η σύνδεσή τους με τα κρυμμένα ημι-μαρκοβιανά μοντέλα. Μετά από αυτή την παρουσίαση θα αναδειχθούν μέθοδοι στατιστικής εκτίμησης με βασικό εργαλείο τον αλγόριθμο EM (Expectation-Maximization) για τον οποίο γίνεται μια σύντομη περιγραφή. Έπειτα θα γίνει λεπτομερής παρουσίαση του τελευταίου με συγκεκριμένες υποθέ- σεις είτε στις κατανομές των παρατηρούμενων καταστάσεων είτε στις κατανομές των χρόνων παραμονής στις κρυμμένες καταστάσεις. Ειδικότερα εξετάζονται κατανομές παρατήρησης όπως η κανονική και η student, ενώ για τo χρόνο παραμονής στις κρυμμένες καταστάσεις εφαρμόζεται η αρνητική διωνυμική . Σε τελευταίο βήμα θα γίνει εφαρμογή σε πραγματικά δεδομένα από τον δείκτη SnP 500, η οποία θα πραγματοποιηθεί με τη χρήση του λογισμικού R, εξερευνώντας τα εμπειρικά ευρήματα (Stylized facts) που διατύπωσαν ο Granger και ο Ding και θα εξεταστεί κατά πόσο τα κρυμμένα ημι-μαρκοβιανά μοντέλα, αναπαράγουν αυτά τα ευρήματα.","In the context of this thesis, the discrete semi-Markov models will be presented, so as to connect them thereafter with the hidden semi Markov models. After this presentation, statistics estimations methods with basic tool the EM algorithm (for whom a brief description is given) will be pointed out. A detailed presentation of the latter, under specific assumptions whether on component distribution or on sojourn time distribution in hidden states, is followed. In particular, observation component distribution such as normal and student are under review, whereas, as far as for the sojourn time in hidden states are concerned, negative binomial is examined. Finally, hidden semi markov models are fitted in the prices of index SnP 500 exploring how effectively these models reproduce the stylized facts that Granger and Ding pointed out."],"dc:identifier":["uoadl:2887985","https://pergamos.lib.uoa.gr/uoa/dl/object/2887985"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Hidden Semi-Markov and applications in time series"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:36:50Z"}