{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3236574"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3236574","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Natural Language Processing in Finance: Identification of Merger and Acquisition Participants. Evidence from U.S. non- financial firms.","abstract":"Στις μέρες μας, η ανάπτυξη της τεχνολογίας έχει δώσει σημαντικές δυνατότητες σε όλους τους επιστημονικούς κλάδους για περαιτέρω ανάπτυξη μέσω της χρήσης νέων επιστημονικών μεθόδων και τεχνικών. Σε αρκετές περιπτώσεις, επιστημονικές μέθοδοι, που στο παρελθόν φαινόταν αδύνατον να εφαρμοστούν, εφαρμόζονται πλέον ευρέως, δίνοντας νέες διαστάσεις στην επιστημονική έρευνα μέσω των αποτελεσμάτων τους. Ένα τέτοιο χαρακτηριστικό παράδειγμα είναι η εφαρμογή του επιστημονικού πεδίου της Επεξεργασίας Φυσικής Γλώσσας, που είναι ένα πεδίο της Τεχνητής Νοημοσύνης, στα Οικονομικά. Είναι χαρακτηριστικό ότι πολλές σύγχρονες μελέτες αποκλίνουν από τον παραδοσιακό τρόπο ανάλυσης δεδομένων με τη χρήση στατιστικών μεθόδων και αντίθετα εφαρμόζουν μεθόδους ανάλυσης που βασίζονται στην ανάλυση κειμένου. Αυτή η διατριβή στοχεύει, μέσω της ανάλυσης των 10-k αρχείων SEC των μη χρηματοοικονομικών εταιρειών που είναι εισηγμένες στο NYSE, AMEX ή Nasdaq, για τα έτη 1997-2018, να εξετάσει εάν υπάρχει πιθανότητα οι εταιρείες αυτές να συμμετάσχουν σε διαδικασία συγχώνευσης και εξαγοράς, εντός προθεσμίας 12 μηνών από τη δημοσίευση των εν λόγω εκθέσεων. Φυσικά, τα αποτελέσματα που προέκυψαν σε αυτή την εργασία είναι αξιοσημείωτα και δικαιολογούν τη στροφή των ερευνητών σε αυτού του είδους τη μεθοδολογική ανάλυση. Αυτό που επιχειρείται επίσης στην παρούσα διπλωματική εργασία είναι η μελέτη και κατανόηση της υπάρχουσας σχετικής βιβλιογραφίας, προκειμένου να αποκτηθούν όλες οι απαραίτητες γνώσεις, αφενός για τις διαδικασίες συγχωνεύσεων και εξαγορών και αφετέρου για την ενσωμάτωση της Φυσικής Γλώσσας. Μοντέλα επεξεργασίας στη χρηματοοικονομική ανάλυση. Στη συνέχεια, μέσω της εφαρμογής ενός μοντέλου ανάλυσης κειμένου των 10-k αρχειοθετήσεων SEC, επιχειρείται η εφαρμογή της θεωρίας στην πράξη, ώστε να τεθούν οι σωστές βάσεις γύρω από το συγκεκριμένο αντικείμενο μελέτης. Τέλος, μέσα από την ανάλυση των νέων τάσεων στην Επεξεργασία Φυσικής Γλώσσας, που σχετίζονται με την εφαρμογή πιο προηγμένων μεθόδων μηχανικής μάθησης, τίθενται οι ορίζοντες για περαιτέρω έρευνα στο συγκεκριμένο επιστημονικό πεδίο.","abstract_html":"Στις μέρες μας, η ανάπτυξη της τεχνολογίας έχει δώσει σημαντικές δυνατότητες σε όλους τους επιστημονικούς κλάδους για περαιτέρω ανάπτυξη μέσω της χρήσης νέων επιστημονικών μεθόδων και τεχνικών. Σε αρκετές περιπτώσεις, επιστημονικές μέθοδοι, που στο παρελθόν φαινόταν αδύνατον να εφαρμοστούν, εφαρμόζονται πλέον ευρέως, δίνοντας νέες διαστάσεις στην επιστημονική έρευνα μέσω των αποτελεσμάτων τους. Ένα τέτοιο χαρακτηριστικό παράδειγμα είναι η εφαρμογή του επιστημονικού πεδίου της Επεξεργασίας Φυσικής Γλώσσας, που είναι ένα πεδίο της Τεχνητής Νοημοσύνης, στα Οικονομικά. Είναι χαρακτηριστικό ότι πολλές σύγχρονες μελέτες αποκλίνουν από τον παραδοσιακό τρόπο ανάλυσης δεδομένων με τη χρήση στατιστικών μεθόδων και αντίθετα εφαρμόζουν μεθόδους ανάλυσης που βασίζονται στην ανάλυση κειμένου. Αυτή η διατριβή στοχεύει, μέσω της ανάλυσης των 10-k αρχείων SEC των μη χρηματοοικονομικών εταιρειών που είναι εισηγμένες στο NYSE, AMEX ή Nasdaq, για τα έτη 1997-2018, να εξετάσει εάν υπάρχει πιθανότητα οι εταιρείες αυτές να συμμετάσχουν σε διαδικασία συγχώνευσης και εξαγοράς, εντός προθεσμίας 12 μηνών από τη δημοσίευση των εν λόγω εκθέσεων. Φυσικά, τα αποτελέσματα που προέκυψαν σε αυτή την εργασία είναι αξιοσημείωτα και δικαιολογούν τη στροφή των ερευνητών σε αυτού του είδους τη μεθοδολογική ανάλυση. Αυτό που επιχειρείται επίσης στην παρούσα διπλωματική εργασία είναι η μελέτη και κατανόηση της υπάρχουσας σχετικής βιβλιογραφίας, προκειμένου να αποκτηθούν όλες οι απαραίτητες γνώσεις, αφενός για τις διαδικασίες συγχωνεύσεων και εξαγορών και αφετέρου για την ενσωμάτωση της Φυσικής Γλώσσας. Μοντέλα επεξεργασίας στη χρηματοοικονομική ανάλυση. Στη συνέχεια, μέσω της εφαρμογής ενός μοντέλου ανάλυσης κειμένου των 10-k αρχειοθετήσεων SEC, επιχειρείται η εφαρμογή της θεωρίας στην πράξη, ώστε να τεθούν οι σωστές βάσεις γύρω από το συγκεκριμένο αντικείμενο μελέτης. Τέλος, μέσα από την ανάλυση των νέων τάσεων στην Επεξεργασία Φυσικής Γλώσσας, που σχετίζονται με την εφαρμογή πιο προηγμένων μεθόδων μηχανικής μάθησης, τίθενται οι ορίζοντες για περαιτέρω έρευνα στο συγκεκριμένο επιστημονικό πεδίο.","abstract_has_math":false,"creators":["Βενέτης Χαρίλαος","Venetis Charilaos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2022,"date_issued":"2022","date_published":"2022","updated_at":"2026-11-19T06:19:22Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3236574"],"render_values":[{"text":"uoadl:3236574","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3236574","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3236574","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%3A3236574","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Βενέτης Χαρίλαος","Venetis Charilaos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2022"]},{"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":["Τεχνολογία – Πληροφορική","Technology - Computer 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:3236574","https://pergamos.lib.uoa.gr/uoa/dl/object/3236574"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στις μέρες μας, η ανάπτυξη της τεχνολογίας έχει δώσει σημαντικές δυνατότητες σε όλους τους επιστημονικούς κλάδους για περαιτέρω ανάπτυξη μέσω της χρήσης νέων επιστημονικών μεθόδων και τεχνικών. Σε αρκετές περιπτώσεις, επιστημονικές μέθοδοι, που στο παρελθόν φαινόταν αδύνατον να εφαρμοστούν, εφαρμόζονται πλέον ευρέως, δίνοντας νέες διαστάσεις στην επιστημονική έρευνα μέσω των αποτελεσμάτων τους. Ένα τέτοιο χαρακτηριστικό παράδειγμα είναι η εφαρμογή του επιστημονικού πεδίου της Επεξεργασίας Φυσικής Γλώσσας, που είναι ένα πεδίο της Τεχνητής Νοημοσύνης, στα Οικονομικά. Είναι χαρακτηριστικό ότι πολλές σύγχρονες μελέτες αποκλίνουν από τον παραδοσιακό τρόπο ανάλυσης δεδομένων με τη χρήση στατιστικών μεθόδων και αντίθετα εφαρμόζουν μεθόδους ανάλυσης που βασίζονται στην ανάλυση κειμένου. Αυτή η διατριβή στοχεύει, μέσω της ανάλυσης των 10-k αρχείων SEC των μη χρηματοοικονομικών εταιρειών που είναι εισηγμένες στο NYSE, AMEX ή Nasdaq, για τα έτη 1997-2018, να εξετάσει εάν υπάρχει πιθανότητα οι εταιρείες αυτές να συμμετάσχουν σε διαδικασία συγχώνευσης και εξαγοράς, εντός προθεσμίας 12 μηνών από τη δημοσίευση των εν λόγω εκθέσεων. Φυσικά, τα αποτελέσματα που προέκυψαν σε αυτή την εργασία είναι αξιοσημείωτα και δικαιολογούν τη στροφή των ερευνητών σε αυτού του είδους τη μεθοδολογική ανάλυση. Αυτό που επιχειρείται επίσης στην παρούσα διπλωματική εργασία είναι η μελέτη και κατανόηση της υπάρχουσας σχετικής βιβλιογραφίας, προκειμένου να αποκτηθούν όλες οι απαραίτητες γνώσεις, αφενός για τις διαδικασίες συγχωνεύσεων και εξαγορών και αφετέρου για την ενσωμάτωση της Φυσικής Γλώσσας. Μοντέλα επεξεργασίας στη χρηματοοικονομική ανάλυση. Στη συνέχεια, μέσω της εφαρμογής ενός μοντέλου ανάλυσης κειμένου των 10-k αρχειοθετήσεων SEC, επιχειρείται η εφαρμογή της θεωρίας στην πράξη, ώστε να τεθούν οι σωστές βάσεις γύρω από το συγκεκριμένο αντικείμενο μελέτης. Τέλος, μέσα από την ανάλυση των νέων τάσεων στην Επεξεργασία Φυσικής Γλώσσας, που σχετίζονται με την εφαρμογή πιο προηγμένων μεθόδων μηχανικής μάθησης, τίθενται οι ορίζοντες για περαιτέρω έρευνα στο συγκεκριμένο επιστημονικό πεδίο.","Nowadays, the development of technology has given significant possibilities to all scientific disciplines for further development through the use of new scientific methods and techniques. In several cases, scientific methods, which in the past would have seemed impossible to apply, are now widely applied, giving new dimensions to scientific research through their results. One such characteristic example is the application of the scientific field of Natural Language Processing, which is a field of Artificial Intelligence, in Finance. It is characteristic that many modern studies deviate from the traditional way of analyzing data using statistical methods and instead apply analysis methods based on textual analysis. This thesis aims, through the analysis of the 10-k SEC filings of the non-financial companies listed on NYSE, AMEX, or Nasdaq, for the years 1997-2018, to examine whether there is a possibility that these companies will participate in a merger and acquisition process, within a period of 12 months from the publication of said reports. Of course, the results obtained in this work are remarkable and justify the researchers' turn to this kind of methodological analysis. What is also attempted in this thesis is the study and understanding of the existing relevant literature, in order to acquire all the necessary knowledge, on the one hand about the processes of Mergers and Acquisitions, and on the other hand about the integration of Natural Language Processing models in financial analysis. Then, through the implementation of a textual analysis model of the 10-k SEC filings, is attempted to implement the theory in practice, in order to lay the right foundations around the specific object of study. Finally, through the analysis of the new trends in Natural Language Processing, related to the application of more advanced machine learning methods, the horizons for further research in the specific scientific field are set."]},{"key":"dc:title","label":"Title","values":["Natural Language Processing in Finance: Identification of Merger and Acquisition Participants. Evidence from U.S. non- financial firms."]}]}],"canonical_facts":{"dc:creator":["Βενέτης Χαρίλαος","Venetis Charilaos"],"dc:date":["2022"],"dc:description":["Στις μέρες μας, η ανάπτυξη της τεχνολογίας έχει δώσει σημαντικές δυνατότητες σε όλους τους επιστημονικούς κλάδους για περαιτέρω ανάπτυξη μέσω της χρήσης νέων επιστημονικών μεθόδων και τεχνικών. Σε αρκετές περιπτώσεις, επιστημονικές μέθοδοι, που στο παρελθόν φαινόταν αδύνατον να εφαρμοστούν, εφαρμόζονται πλέον ευρέως, δίνοντας νέες διαστάσεις στην επιστημονική έρευνα μέσω των αποτελεσμάτων τους. Ένα τέτοιο χαρακτηριστικό παράδειγμα είναι η εφαρμογή του επιστημονικού πεδίου της Επεξεργασίας Φυσικής Γλώσσας, που είναι ένα πεδίο της Τεχνητής Νοημοσύνης, στα Οικονομικά. Είναι χαρακτηριστικό ότι πολλές σύγχρονες μελέτες αποκλίνουν από τον παραδοσιακό τρόπο ανάλυσης δεδομένων με τη χρήση στατιστικών μεθόδων και αντίθετα εφαρμόζουν μεθόδους ανάλυσης που βασίζονται στην ανάλυση κειμένου. Αυτή η διατριβή στοχεύει, μέσω της ανάλυσης των 10-k αρχείων SEC των μη χρηματοοικονομικών εταιρειών που είναι εισηγμένες στο NYSE, AMEX ή Nasdaq, για τα έτη 1997-2018, να εξετάσει εάν υπάρχει πιθανότητα οι εταιρείες αυτές να συμμετάσχουν σε διαδικασία συγχώνευσης και εξαγοράς, εντός προθεσμίας 12 μηνών από τη δημοσίευση των εν λόγω εκθέσεων. Φυσικά, τα αποτελέσματα που προέκυψαν σε αυτή την εργασία είναι αξιοσημείωτα και δικαιολογούν τη στροφή των ερευνητών σε αυτού του είδους τη μεθοδολογική ανάλυση. Αυτό που επιχειρείται επίσης στην παρούσα διπλωματική εργασία είναι η μελέτη και κατανόηση της υπάρχουσας σχετικής βιβλιογραφίας, προκειμένου να αποκτηθούν όλες οι απαραίτητες γνώσεις, αφενός για τις διαδικασίες συγχωνεύσεων και εξαγορών και αφετέρου για την ενσωμάτωση της Φυσικής Γλώσσας. Μοντέλα επεξεργασίας στη χρηματοοικονομική ανάλυση. Στη συνέχεια, μέσω της εφαρμογής ενός μοντέλου ανάλυσης κειμένου των 10-k αρχειοθετήσεων SEC, επιχειρείται η εφαρμογή της θεωρίας στην πράξη, ώστε να τεθούν οι σωστές βάσεις γύρω από το συγκεκριμένο αντικείμενο μελέτης. Τέλος, μέσα από την ανάλυση των νέων τάσεων στην Επεξεργασία Φυσικής Γλώσσας, που σχετίζονται με την εφαρμογή πιο προηγμένων μεθόδων μηχανικής μάθησης, τίθενται οι ορίζοντες για περαιτέρω έρευνα στο συγκεκριμένο επιστημονικό πεδίο.","Nowadays, the development of technology has given significant possibilities to all scientific disciplines for further development through the use of new scientific methods and techniques. In several cases, scientific methods, which in the past would have seemed impossible to apply, are now widely applied, giving new dimensions to scientific research through their results. One such characteristic example is the application of the scientific field of Natural Language Processing, which is a field of Artificial Intelligence, in Finance. It is characteristic that many modern studies deviate from the traditional way of analyzing data using statistical methods and instead apply analysis methods based on textual analysis. This thesis aims, through the analysis of the 10-k SEC filings of the non-financial companies listed on NYSE, AMEX, or Nasdaq, for the years 1997-2018, to examine whether there is a possibility that these companies will participate in a merger and acquisition process, within a period of 12 months from the publication of said reports. Of course, the results obtained in this work are remarkable and justify the researchers' turn to this kind of methodological analysis. What is also attempted in this thesis is the study and understanding of the existing relevant literature, in order to acquire all the necessary knowledge, on the one hand about the processes of Mergers and Acquisitions, and on the other hand about the integration of Natural Language Processing models in financial analysis. Then, through the implementation of a textual analysis model of the 10-k SEC filings, is attempted to implement the theory in practice, in order to lay the right foundations around the specific object of study. Finally, through the analysis of the new trends in Natural Language Processing, related to the application of more advanced machine learning methods, the horizons for further research in the specific scientific field are set."],"dc:identifier":["uoadl:3236574","https://pergamos.lib.uoa.gr/uoa/dl/object/3236574"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Natural Language Processing in Finance: Identification of Merger and Acquisition Participants. Evidence from U.S. non- financial firms."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:19:22Z"}