![Institutional Repository [SANDBOX]](images/dias.logo.png "Institutional Repository [SANDBOX]"){kind=logo}
Institutional Repository [SANDBOX]
Technical University of Crete
Technical University of Crete
EN
|
EL
| URI: | http://purl.tuc.gr/dl/dias/3E5D9556-FC27-44C6-9AE3-B0593C1D7DC1 | ||
| Year | 2025 | ||
| Type of Item | Diploma Work | ||
| License |
|
||
| Bibliographic Citation | Dimitrios Zormpas, "Prediction of global debt with neuro-fuzzy techniques", Diploma Work, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2025 https://doi.org/10.26233/heallink.tuc.103152 | ||
| Appears in Collections |
Σε αυτή διπλωματική εργασία,επιδιώκεται η πρόβλεψη του παγκόσμιου χρέους και του ΑΕΠ μέσω της εφαρμογής ενός προσαρμοστικού νεύρο-ασαφούς συστήματος(Adaptive Neuro-Fyzzy System-ANFIS). To παγκόσμιο χρέος, συνιστά έναν κομβικό δεικτή για την πορεία της παγκόσμιας οικονομίας. Η αύξηση του χρέους χωρίς ανάλογη αύξηση του παγκόσμιου ΑΕΠ είναι σημάδι αναποτελεσματικών επενδύσεων και μειωμένης παραγωγικότητας που οφείλεται σε διάφορους παράγοντες. Ουσιαστικά υποδηλώνει αθετήσεις πληρωμένων δανείων. Η πρόβλεψη του χρέους και η αντίστοιχη πρόβλεψη του ΑΕΠ σε τριμηνιαία βάση είναι πολύ σημαντικός οδηγός τόσο για τους υπεύθυνους ανάπτυξης της οικονομίας και χάραξη πολιτικής όσο και για τους επενδυτές και γενικότερα για όλους τους ενδιαφερόμενους στις αγορές.Το σύστημα ANFIS επιλέχθηκε από μια πληθώρα μεθόδων πρόβλεψης, για τις δυνατότητες που παρέχει ο συνδυασμός ασαφούς λογικής και τεχνητών νευρωνικών δικτύων που δομούν κάθε αλγόριθμο ANFIS. Περαιτέρω σύγκριση των αποτελεσμάτων, με παραδοσιακές μεθόδους πρόβλεψης Αυτοπαλινδρόμηση(Auto Regression Model) και Παλινδρόμηση Κινούμενου Μέσου (Auto Regression Moving Average) θα πραγματοποιηθούν για να συγκριθούν τα αποτελέσματα.
Copyright © DIAS 2013
