{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3246521"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3246521","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Τεχνική ανάλυση και Νευρωνικά Δίκτυα στα Κρυπτονομίσματα","abstract":"Η παρούσα μεταπτυχιακή εργασία παρουσιάζει ένα μοντέλο πρόβλεψης των μελλοντικών τιμών κλεισίματος ενός κρυπτονομίσματος (ΕΤΗ), το οποίο θα λαμβάνει σαν είσοδο ιστορικά δεδομένα κινήσεων των τιμών του. Το πολύ επίπεδο αυτό μοντέλο βασίζεται σε εκτιμήσεις τεχνικής ανάλυσης και νευρωνικών δικτύων, συνδυάζοντας έτσι την εμπειρική γνώση με την επιστημονική. Μέσω της εφαρμογής του μοντέλου αυτού σε ένα από τα ισχυρότερα κρυπτονομίσματα, αναδεικνύουμε τις δυνατότητες της μηχανικής μάθησης, των αλγοριθμικών συναλλαγών και την εφαρμοσιμότητα τους σε έναν από τους ταχύτερα ανερχόμενους χώρους σήμερα, αυτόν των κρυπτονομισμάτων. Η σύγκριση των αποτελεσμάτων με την σχετική βιβλιογραφία δείχνει καλή συσχέτιση, ενισχύοντας την αντίληψη ότι περαιτέρω παραμετροποίηση θα μπορούσε να μειώσει το σφάλμα υπολογισμών και να ενισχύσει σημαντικά τη διαδικασία λήψης αποφάσεων στις συναλλαγές αξιογράφων.","abstract_html":"Η παρούσα μεταπτυχιακή εργασία παρουσιάζει ένα μοντέλο πρόβλεψης των μελλοντικών τιμών κλεισίματος ενός κρυπτονομίσματος (ΕΤΗ), το οποίο θα λαμβάνει σαν είσοδο ιστορικά δεδομένα κινήσεων των τιμών του. Το πολύ επίπεδο αυτό μοντέλο βασίζεται σε εκτιμήσεις τεχνικής ανάλυσης και νευρωνικών δικτύων, συνδυάζοντας έτσι την εμπειρική γνώση με την επιστημονική. Μέσω της εφαρμογής του μοντέλου αυτού σε ένα από τα ισχυρότερα κρυπτονομίσματα, αναδεικνύουμε τις δυνατότητες της μηχανικής μάθησης, των αλγοριθμικών συναλλαγών και την εφαρμοσιμότητα τους σε έναν από τους ταχύτερα ανερχόμενους χώρους σήμερα, αυτόν των κρυπτονομισμάτων. Η σύγκριση των αποτελεσμάτων με την σχετική βιβλιογραφία δείχνει καλή συσχέτιση, ενισχύοντας την αντίληψη ότι περαιτέρω παραμετροποίηση θα μπορούσε να μειώσει το σφάλμα υπολογισμών και να ενισχύσει σημαντικά τη διαδικασία λήψης αποφάσεων στις συναλλαγές αξιογράφων.","abstract_has_math":false,"creators":["Βαρδακαστάνης Κωνσταντίνος","Vardakastanis Konstantinos"],"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":"2026-11-19T06:20:14Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3246521"],"render_values":[{"text":"uoadl:3246521","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3246521","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3246521","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%3A3246521","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Βαρδακαστάνης Κωνσταντίνος","Vardakastanis Konstantinos"]}]},{"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":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3246521","https://pergamos.lib.uoa.gr/uoa/dl/object/3246521"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα μεταπτυχιακή εργασία παρουσιάζει ένα μοντέλο πρόβλεψης των μελλοντικών τιμών κλεισίματος ενός κρυπτονομίσματος (ΕΤΗ), το οποίο θα λαμβάνει σαν είσοδο ιστορικά δεδομένα κινήσεων των τιμών του. Το πολύ επίπεδο αυτό μοντέλο βασίζεται σε εκτιμήσεις τεχνικής ανάλυσης και νευρωνικών δικτύων, συνδυάζοντας έτσι την εμπειρική γνώση με την επιστημονική. Μέσω της εφαρμογής του μοντέλου αυτού σε ένα από τα ισχυρότερα κρυπτονομίσματα, αναδεικνύουμε τις δυνατότητες της μηχανικής μάθησης, των αλγοριθμικών συναλλαγών και την εφαρμοσιμότητα τους σε έναν από τους ταχύτερα ανερχόμενους χώρους σήμερα, αυτόν των κρυπτονομισμάτων. Η σύγκριση των αποτελεσμάτων με την σχετική βιβλιογραφία δείχνει καλή συσχέτιση, ενισχύοντας την αντίληψη ότι περαιτέρω παραμετροποίηση θα μπορούσε να μειώσει το σφάλμα υπολογισμών και να ενισχύσει σημαντικά τη διαδικασία λήψης αποφάσεων στις συναλλαγές αξιογράφων.","The current thesis presents a model for predicting the future closing prices of a cryptocurrency (ETH), which receives as input historical data of its price movements. This multi-layer model is based on estimates of technical analysis and neural networks, thus combining empirical with scientific knowledge. Through the application of this model to one of the most powerful cryptocurrencies, we highlight the possibilities of machine learning, algorithmic trading and their applicability in one of the fastest rising markets today, that of cryptocurrencies. The comparison of the results with the relevant literature shows a good correlation, reinforcing the notion that further parameterization could reduce the calculation error and significantly enhance the decision-making process during trading."]},{"key":"dc:title","label":"Title","values":["Τεχνική ανάλυση και Νευρωνικά Δίκτυα στα Κρυπτονομίσματα"]}]}],"canonical_facts":{"dc:creator":["Βαρδακαστάνης Κωνσταντίνος","Vardakastanis Konstantinos"],"dc:date":["2022"],"dc:description":["Η παρούσα μεταπτυχιακή εργασία παρουσιάζει ένα μοντέλο πρόβλεψης των μελλοντικών τιμών κλεισίματος ενός κρυπτονομίσματος (ΕΤΗ), το οποίο θα λαμβάνει σαν είσοδο ιστορικά δεδομένα κινήσεων των τιμών του. Το πολύ επίπεδο αυτό μοντέλο βασίζεται σε εκτιμήσεις τεχνικής ανάλυσης και νευρωνικών δικτύων, συνδυάζοντας έτσι την εμπειρική γνώση με την επιστημονική. Μέσω της εφαρμογής του μοντέλου αυτού σε ένα από τα ισχυρότερα κρυπτονομίσματα, αναδεικνύουμε τις δυνατότητες της μηχανικής μάθησης, των αλγοριθμικών συναλλαγών και την εφαρμοσιμότητα τους σε έναν από τους ταχύτερα ανερχόμενους χώρους σήμερα, αυτόν των κρυπτονομισμάτων. Η σύγκριση των αποτελεσμάτων με την σχετική βιβλιογραφία δείχνει καλή συσχέτιση, ενισχύοντας την αντίληψη ότι περαιτέρω παραμετροποίηση θα μπορούσε να μειώσει το σφάλμα υπολογισμών και να ενισχύσει σημαντικά τη διαδικασία λήψης αποφάσεων στις συναλλαγές αξιογράφων.","The current thesis presents a model for predicting the future closing prices of a cryptocurrency (ETH), which receives as input historical data of its price movements. This multi-layer model is based on estimates of technical analysis and neural networks, thus combining empirical with scientific knowledge. Through the application of this model to one of the most powerful cryptocurrencies, we highlight the possibilities of machine learning, algorithmic trading and their applicability in one of the fastest rising markets today, that of cryptocurrencies. The comparison of the results with the relevant literature shows a good correlation, reinforcing the notion that further parameterization could reduce the calculation error and significantly enhance the decision-making process during trading."],"dc:identifier":["uoadl:3246521","https://pergamos.lib.uoa.gr/uoa/dl/object/3246521"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Τεχνική ανάλυση και Νευρωνικά Δίκτυα στα Κρυπτονομίσματα"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:20:14Z"}