Back to search

National and Kapodistrian University of Athens

Implied Volatility Sign Prediction Using Machine Learning

Abstract

dc:description

Αυτή η διατριβή χρησιμοποιεί αλγόριθμους μηχανικής μάθησης προκειμένου να προβλέψει το μελλοντικό πρόσημο της τεκμαρτής μεταβλητότητας της αγοράς. Πιο συγκεκριμένα, χρησιμοποιείται ένα σύνολο δεδομένων 16 μακροοικονομικών και χρηματοοικονομικών δεικτών για την πρόβλεψη του πρόσημου του επόμενου μήνα των VIX, VXO, VXN, VDAX και V2TX. Έτσι για το πρόβλημα αυτό, χρησιμοποιούνται και αξιολογούνται ορισμένα μοντέλα ταξινόμησης, προκειμένου να βρεθεί το μοντέλο με την καλύτερη απόδοση σε κάθε δείκτη. Το συμπέρασμα της μελέτης είναι ότι επιλέγοντας και αναπτύσσοντας έναν αριθμό δεικτών και τροποποιώντας κατάλληλα αυτούς τους δείκτες για να βοηθήσουν την απόδοση των μοντέλων, το πρόσημο της τεκμαρτής μεταβλητότητας μπορεί να προβλεφθεί χρησιμοποιώντας μοντέλα μηχανικής μάθησης.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • ΦΑΡΙΝΗΣ ΓΕΩΡΓΙΟΣ
  • FARINIS GEORGIOS

Subjects

dc:subject × 2

Rights

Language dc:language
Ελληνικά, English, Greek

Identifiers

dc:identifier.*
Identifier
uoadl:2975045

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

ΦΑΡΙΝΗΣ ΓΕΩΡΓΙΟΣ; FARINIS GEORGIOS. Implied Volatility Sign Prediction Using Machine Learning. 2022. https://pergamos.lib.uoa.gr/uoa/dl/object/2975045