Περίληψη διδακτορικής διατριβής Παύλου Ζήτη

Μηχανική Μάθηση και Ανάλυση Χρονοσειρών Πολύπλοκων Συστημάτων στην Ποσοτική Χρηματοοικονομική και Διαχείριση Κινδύνων

Η παρούσα διδακτορική διατριβή αναφέρεται στην ανάλυση των χρηματαγορών χρησιμοποιώντας μεθόδους ανάλυσης από την θεωρία πολύπλοκων συστημάτων σε συνδυασμό με τεχνικές μηχανικής μάθησης. 

Το παγκόσμιο χρηματοοικονομικό σύστημα συνεχώς εξελίσσεται. Αυτή η εξέλιξη οφείλεται σε διάφορους παράγοντες όπως για παράδειγμα την τεχνολογική πρόοδο, τα νέα επενδυτικά προϊόντα, τους νέους κανονισμούς και τις εξελισσόμενες προτιμήσεις των καταναλωτών. Ως εκ τούτου, στις ήδη υπάρχουσες μεθόδους ανάλυσης των χρηματοοικονομικών αγορών, θα ήταν σημαντικό να προστεθούν και νέες εναλλακτικές μέθοδοι ανάλυσης.

Προς αυτή την κατεύθυνση, τα τελευταία χρόνια έχει αναπτυχθεί ένας νέος τομέας έρευνας που σχετίζεται με την έρευνα πολύπλοκων συστημάτων που ονομάζεται "Οικονομική Φυσική" (Econophysics). Η "Οικονομική Φυσική" είναι ένα διεπιστημονικό πεδίο που εφαρμόζει τις μεθόδους της στατιστικής φυσικής, της μη γραμμικής δυναμικής και της θεωρίας δικτύων στη μακρο-μικρο / οικονομική μοντελοποίηση, την ανάλυση των χρηματαγορών και σε ευρύτερα κοινωνικά προβλήματα.  

Από την άλλη πλευρά, την ίδια περίοδο με την ανάπτυξη της "Οικονομικής Φυσικής", ξεκίνησε μια γρήγορη πρόοδος στην επιστήμη των υπολογιστών. Αυτή η πρόοδος είχε ως αποτέλεσμα μεταξύ άλλων, την ανάπτυξη μεθόδων μηχανικής μάθησης. Με την έλευση της μηχανικής μάθησης, κατέστη δυνατή η κατασκευή νέων αλγορίθμων και στρατηγικών για την ανάλυση δεδομένων πολύπλοκων συστημάτων. Η διερεύνηση του τρόπου λειτουργίας της μηχανικής μάθησης για ζητήματα που αφορούν πολύπλοκα συστήματα όπως το παγκόσμιο χρηματοοικονομικό σύστημα αποτελεί αντικείμενο σημαντικού ερευνητικού ενδιαφέροντος.

Ο κύριος ερευνητικός στόχος αυτής της διδακτορικής διατριβής είναι η ανάπτυξη ενός εναλλακτικού μέτρου του συστημικού κινδύνου, χρησιμοποιώντας μεθόδους της θεωρίας πολυπλοκότητας και τεχνικών μηχανικής μάθησης. 

Η παρούσα μελέτη αναμένεται να συνεισφέρει σημαντικά στην δημιουργία ενός αυτοματοποιημένου συστήματος έγκαιρης προειδοποίησης για ακραία γεγονότα που εκδηλώνονται στις χρηματοοικονομικές αγορές. Η ανάπτυξη ενός τέτοιου συστήματος θα μπορούσε να εφαρμοστεί από μεγάλους χρηματοοικονομικούς οργανισμούς.