{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2964789"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2964789","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Εμπειρική ανάλυση της αποτελεσματικότητας του συντελεστή βήτα","abstract":"Είναι γνωστό από την θεωρία χαρτοφυλακίου, ότι οι ιστορικές αποδόσεις (returns) των μετοχών μπορούν να χρησιμοποιηθούν για να προσδιοριστεί ο συστηματικός κίνδυνος αυτών των μετοχών, ο οποίος μετράτε μέσα από τον συντελεστή β. Ο βήτα εκτιμάται συνήθως με ημερήσια (daily), εβδομαδιαία (weekly) ή μηνιαία (monthly) ιστορικά δεδομένα αποδόσεων (returns). Ωστόσο η θεωρία δεν διευκρινίζει ποια συχνότητα δεδομένων είναι η κατάλληλη για την καλύτερη εκτίμηση του. Η χρήση διαφορετικών συχνοτήτων δεδομένων μας οδηγούν σε διαφορετικούς συντελεστές βήτα, ακόμα και όταν υπολογίζονται για το ίδιο χρονικό διάστημα. Αυτό το φαινόμενο είναι γνωστό στην βιβλιογραφία ως intervaling effect. Σε αυτή την εργασία θα προσπαθήσουμε να μελετήσουμε εμπειρικά το πιο πάνω φαινόμενο, χρησιμοποιώντας πέντε διαφορετικούς δείκτες από το χρηματιστήριο Αμερικής εκτιμώντας τα αντίστοιχα βήτα, με ημερήσια, εβδομαδιαία και μηνιαία δεδομένα. Επιπρόσθετα θα γίνει επισκόπηση προηγούμενων μελετών όπως αυτές αναφέρονται στη βιβλιογραφία που θα χρησιμοποιήσουμε σχετικά με τον συντελεστή βήτα, ώστε να έχουμε μια πιο σφαιρική άποψη για την αποτελεσματικότητα του σε διάφορα επίπεδα.","abstract_html":"Είναι γνωστό από την θεωρία χαρτοφυλακίου, ότι οι ιστορικές αποδόσεις (returns) των μετοχών μπορούν να χρησιμοποιηθούν για να προσδιοριστεί ο συστηματικός κίνδυνος αυτών των μετοχών, ο οποίος μετράτε μέσα από τον συντελεστή β. Ο βήτα εκτιμάται συνήθως με ημερήσια (daily), εβδομαδιαία (weekly) ή μηνιαία (monthly) ιστορικά δεδομένα αποδόσεων (returns). Ωστόσο η θεωρία δεν διευκρινίζει ποια συχνότητα δεδομένων είναι η κατάλληλη για την καλύτερη εκτίμηση του. Η χρήση διαφορετικών συχνοτήτων δεδομένων μας οδηγούν σε διαφορετικούς συντελεστές βήτα, ακόμα και όταν υπολογίζονται για το ίδιο χρονικό διάστημα. Αυτό το φαινόμενο είναι γνωστό στην βιβλιογραφία ως intervaling effect. Σε αυτή την εργασία θα προσπαθήσουμε να μελετήσουμε εμπειρικά το πιο πάνω φαινόμενο, χρησιμοποιώντας πέντε διαφορετικούς δείκτες από το χρηματιστήριο Αμερικής εκτιμώντας τα αντίστοιχα βήτα, με ημερήσια, εβδομαδιαία και μηνιαία δεδομένα. Επιπρόσθετα θα γίνει επισκόπηση προηγούμενων μελετών όπως αυτές αναφέρονται στη βιβλιογραφία που θα χρησιμοποιήσουμε σχετικά με τον συντελεστή βήτα, ώστε να έχουμε μια πιο σφαιρική άποψη για την αποτελεσματικότητα του σε διάφορα επίπεδα.","abstract_has_math":false,"creators":["Παπασπύρος Γεώργιος","Papaspyros George"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2021,"date_issued":"2021","date_published":"2021","updated_at":"2026-11-19T05:44:05Z","subjects":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2964789"],"render_values":[{"text":"uoadl:2964789","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2964789","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2964789","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%3A2964789","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Παπασπύρος Γεώργιος","Papaspyros George"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2021"]},{"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":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2964789","https://pergamos.lib.uoa.gr/uoa/dl/object/2964789"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Είναι γνωστό από την θεωρία χαρτοφυλακίου, ότι οι ιστορικές αποδόσεις (returns) των μετοχών μπορούν να χρησιμοποιηθούν για να προσδιοριστεί ο συστηματικός κίνδυνος αυτών των μετοχών, ο οποίος μετράτε μέσα από τον συντελεστή β. Ο βήτα εκτιμάται συνήθως με ημερήσια (daily), εβδομαδιαία (weekly) ή μηνιαία (monthly) ιστορικά δεδομένα αποδόσεων (returns). Ωστόσο η θεωρία δεν διευκρινίζει ποια συχνότητα δεδομένων είναι η κατάλληλη για την καλύτερη εκτίμηση του. Η χρήση διαφορετικών συχνοτήτων δεδομένων μας οδηγούν σε διαφορετικούς συντελεστές βήτα, ακόμα και όταν υπολογίζονται για το ίδιο χρονικό διάστημα. Αυτό το φαινόμενο είναι γνωστό στην βιβλιογραφία ως intervaling effect. Σε αυτή την εργασία θα προσπαθήσουμε να μελετήσουμε εμπειρικά το πιο πάνω φαινόμενο, χρησιμοποιώντας πέντε διαφορετικούς δείκτες από το χρηματιστήριο Αμερικής εκτιμώντας τα αντίστοιχα βήτα, με ημερήσια, εβδομαδιαία και μηνιαία δεδομένα. Επιπρόσθετα θα γίνει επισκόπηση προηγούμενων μελετών όπως αυτές αναφέρονται στη βιβλιογραφία που θα χρησιμοποιήσουμε σχετικά με τον συντελεστή βήτα, ώστε να έχουμε μια πιο σφαιρική άποψη για την αποτελεσματικότητα του σε διάφορα επίπεδα.","It is known from portfolio theory that the historical returns of shares can be used to determine the systemic risk of these shares, which you measure through factor beta. Beta is usually estimated with daily, weekly or monthly historical returns. However, the theory does not specify which data frequency is appropriate for its best estimation. Using different data frequencies leads us to different beta coefficients, even when calculated for the same time period. This phenomenon is known in the literature as the intervaling effect. In this paper we will try to study the above phenomenon empirically, using five different indicators from the US stock market estimating the respective beta, with daily, weekly and monthly data. In addition, previous studies as reviewed in the literature on beta will be reviewed to provide a more comprehensive view of its effectiveness at various levels."]},{"key":"dc:title","label":"Title","values":["Εμπειρική ανάλυση της αποτελεσματικότητας του συντελεστή βήτα"]}]}],"canonical_facts":{"dc:creator":["Παπασπύρος Γεώργιος","Papaspyros George"],"dc:date":["2021"],"dc:description":["Είναι γνωστό από την θεωρία χαρτοφυλακίου, ότι οι ιστορικές αποδόσεις (returns) των μετοχών μπορούν να χρησιμοποιηθούν για να προσδιοριστεί ο συστηματικός κίνδυνος αυτών των μετοχών, ο οποίος μετράτε μέσα από τον συντελεστή β. Ο βήτα εκτιμάται συνήθως με ημερήσια (daily), εβδομαδιαία (weekly) ή μηνιαία (monthly) ιστορικά δεδομένα αποδόσεων (returns). Ωστόσο η θεωρία δεν διευκρινίζει ποια συχνότητα δεδομένων είναι η κατάλληλη για την καλύτερη εκτίμηση του. Η χρήση διαφορετικών συχνοτήτων δεδομένων μας οδηγούν σε διαφορετικούς συντελεστές βήτα, ακόμα και όταν υπολογίζονται για το ίδιο χρονικό διάστημα. Αυτό το φαινόμενο είναι γνωστό στην βιβλιογραφία ως intervaling effect. Σε αυτή την εργασία θα προσπαθήσουμε να μελετήσουμε εμπειρικά το πιο πάνω φαινόμενο, χρησιμοποιώντας πέντε διαφορετικούς δείκτες από το χρηματιστήριο Αμερικής εκτιμώντας τα αντίστοιχα βήτα, με ημερήσια, εβδομαδιαία και μηνιαία δεδομένα. Επιπρόσθετα θα γίνει επισκόπηση προηγούμενων μελετών όπως αυτές αναφέρονται στη βιβλιογραφία που θα χρησιμοποιήσουμε σχετικά με τον συντελεστή βήτα, ώστε να έχουμε μια πιο σφαιρική άποψη για την αποτελεσματικότητα του σε διάφορα επίπεδα.","It is known from portfolio theory that the historical returns of shares can be used to determine the systemic risk of these shares, which you measure through factor beta. Beta is usually estimated with daily, weekly or monthly historical returns. However, the theory does not specify which data frequency is appropriate for its best estimation. Using different data frequencies leads us to different beta coefficients, even when calculated for the same time period. This phenomenon is known in the literature as the intervaling effect. In this paper we will try to study the above phenomenon empirically, using five different indicators from the US stock market estimating the respective beta, with daily, weekly and monthly data. In addition, previous studies as reviewed in the literature on beta will be reviewed to provide a more comprehensive view of its effectiveness at various levels."],"dc:identifier":["uoadl:2964789","https://pergamos.lib.uoa.gr/uoa/dl/object/2964789"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Εμπειρική ανάλυση της αποτελεσματικότητας του συντελεστή βήτα"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:44:05Z"}