Το έργο με τίτλο Εφαρμογή μεθόδων τεχνητής νοημοσύνης στην αξιολόγηση αμοιβαίων κεφαλαίων από τον/τους δημιουργό/ούς Koutsorinakis Vasileios διατίθεται με την άδεια Creative Commons Αναφορά Δημιουργού 4.0 Διεθνές
Βιβλιογραφική Αναφορά
Βασίλειος Κουτσορινάκης, "Εφαρμογή μεθόδων τεχνητής νοημοσύνης στην αξιολόγηση αμοιβαίων κεφαλαίων", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2023
https://doi.org/10.26233/heallink.tuc.95471
Με τους όρους «τεχνητή νοημοσύνη» και « μηχανική μάθηση» αντικατοπτρίζεται ένα ευρύ φάσμα πρακτικών και μεθοδολογιών που έχουν αναπτυχθεί ραγδαία την τελευταία 20ετία και χρησιμοποιούνται σε όλο και περισσότερες πτυχές τόσο της επιστημονικής έρευνας, όσο και στην ανάπτυξη συστημάτων και εργαλείων της καθημερινότητας μας. Στην παρούσα εργασία θα γίνει αρχικά μια βιβλιογραφική ανασκόπηση προσεγγίζοντας θεωρητικά, και με βάση τις μέχρι τώρα έρευνες, το πως η τεχνητή νοημοσύνη και οι μέθοδοι μηχανικής μάθησης συμβάλουν σημαντικά στην λήψη αποφάσεων για επενδύσεις από εταιρείες «αμοιβαίων κεφαλαίων». Στο πρακτικό κομμάτι της εργασίας χρησιμοποιώντας δευτερογενή δεδομένα (πηγή kaggle.com) θα προσπαθήσουμε εφόσον επεξεργαστούμε τα αρχικά δεδομένα για τα αμοιβαία κεφάλαια της εν λόγω λίστας να εφαρμόσουμε τεχνικές μηχανικής μάθησης (κυρίως μέσω R) και να καταλήξουμε σε κάποιο/α μοντέλο/α που θα προσπαθούν να εκτιμούν το Rating του κάθε «αμοιβαίου κεφαλαίου» στην λίστα κατάταξης της Morningstar συνδυάζοντας κάποιες από τις μεταβλητές που υπάρχουν στα δεδομένα.