ALUMINIUM PRICE PREDICTION MODELS USING DATA ANALYSIS

  1. MSc thesis
  2. Kalantzis, Christos
  3. Διοίκηση Επιχειρήσεων (MBA)
  4. 17 Μαίου 2020 [2020-05-17]
  5. Αγγλικά
  6. 70
  7. Artikis, Panagiotis
  8. Artikis, Panagiotis | Bekiaris, Michail
  9. Aluminium | Multiple Linear Regression | Forecasting Models | Αλουμίνιο | Πολλαπλή Γραμμική Παλινδρόμηση | Προγνωστικά Μοντέλα
  10. 1
  11. 50
  12. Charts, Diagrams, Pictures included.
    • Υπάρχει μια γενική αντίληψη στις χρηματιστηριακές αγορές ότι οι τρέχουσες τιμές των μετοχών προεξοφλούν τις μελλοντικές εξελίξεις των αντίστοιχων εταιρειών και των κλάδων στους οποίους ανήκουν. Η αρχική ιδέα για την παρούσα εργασία βασίζεται σε αυτή ακριβώς τη θεωρία. Η διπλωματική ερευνά αν οι τιμές του αλουμινίου μπορούν να εξηγηθούν στατιστικά από παρελθούσες τιμές ετερογενών μεταβλητών (τιμές μετοχών των μεγαλύτερων παραγωγών αλουμινίου, τιμές άλλων μετάλλων, χρηματιστηριακούς δείκτες και ισοτιμίες σημαντικών νομισμάτων). Η εργασία στοχεύει στη δημιουργία μοντέλων πρόβλεψης των τιμών του αλουμινίου, το οποίο είναι το πιο ευρέως χρησιμοποιούμενο μη σιδηρούχο μέταλλο και θεωρείται ότι σταδιακά επικρατεί έναντι του χαλκού ως το πιο σημαντικό εμπόρευμα στον κόσμο αποτελώντας ταυτόχρονα δείκτη για την εξέλιξη της παγκόσμιας οικονομίας. Για τις ανάγκες της έρευνας, συλλέχθηκαν δευτερογενή δεδομένα της περιόδου 2005-2019. Ακολούθησε στατιστική ανάλυση των δεδομένων και διαδοχική απόρριψη μεταβλητών με τη χρήση Πολλαπλής Γραμμικής Παλλινδρόμισης. Μετά τον έλεγχο των μοντέλων για προβλήματα ετεροσκεδαστικότητας, ανεξαρτησίας, κανονικότητας και πολυσυγγραμικότητας, θα επιχειρηθεί η δημιουργία επεξηγηματικών μοντέλων των μελλοντικών τιμών του αλουμινίου.
    • There is a general perception within the stock markets that current stock prices discount future evolutions of the firms or the sectors of the economy they belong to. The idea of this research is based on this theory. The dissertation investigates if aluminium prices can be statistically explained from past prices of heterogeneous variables (aluminum producing companies stock prices, indexes, major currency exchange rates, and other substitute or complementary commodity prices). The aim of the dissertation is to create Price Forecasting Models for Aluminium, which is the most widely used non-ferrous metal. Aluminium is also considered to gradually winning the first place - overcoming copper - as the most important asset in the world economy and becoming an indicator of its growth. The research will start with the collection of secondary data of the period 2005-2019 (monthly mean prices of the dependent and the explanatory variables). Following, successive variable elimination will be implemented using Multiple Regression Analysis. After checking the models’ residuals Independence, Normality, Multicollinearity, and Heteroscedasticity this research will attempt to provide effective predictive models of aluminium future prices.
  14. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.