Τhe use of machine learning methods in economics : a literature review
Economic problems' solving can be achieved by using many different methods. The most common is logistic regression. Just like many sciences, in economics, the evolution of technology has made possible, the solution of problems considered complex in the past and has contributed to the finding of...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Μορφή: | Thesis |
Γλώσσα: | English |
Έκδοση: |
2019
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/12728 |
id |
nemertes-10889-12728 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-127282022-09-05T06:58:03Z Τhe use of machine learning methods in economics : a literature review Η χρήση των μεθόδων μηχανικής μάθησης στην οικονομική επιστήμη : μια βιβλιογραφική ανασκόπηση Λεγάκης, Αναστάσιος Τσαγκαράκης, Εμμανουήλ Γιαννακόπουλος, Νικόλαος Τζελέπης, Δημήτριος Τσαγκαράκης, Εμμανουήλ Legakis, Anastasios Machine learning Data mining Economics Μηχανική μάθηση Εξόρυξη δεδομένων Οικονομική επιστήμη 658.403 3 Economic problems' solving can be achieved by using many different methods. The most common is logistic regression. Just like many sciences, in economics, the evolution of technology has made possible, the solution of problems considered complex in the past and has contributed to the finding of new relationships that were hidden in the past. In this thesis we will try to analyze some of the problems that concern economics and now can be solved by using Data Mining algorithms. Our main topic will be Machine Learning, a broader sense of Data Mining, which is in fact, algorithms designed to ''learn'' through their use, finding relationships between variables and by solving a problem again and again, can become more efficient. We will accomplish a literature review and find for which sector of economics and which problem, the application of each algorithm is efficient. We must note that the efficiency of each algorithm is mainly based on the comparison with the logistic regression or sometimes by comparing different Machine Learning algorithms with each other. The results are very promising. Lastly, we conclude that in comparison with other sciences, in economics the use of these techniques is still in an early stage despite the urge of specialists for their further use. The proven efficiency of Machine Learning methods in the problems we introduce, should incite the economists to apply them in a greater degree. Η επίλυση οικονομικών προβλημάτων στις μέρες μας επιδέχεται πολλών και διαφορετικών τρόπων. Ο πιο συχνός ειναι αυτός της λογιστικής παλινδρόμησης. Όπως συμβαίνει σε πολλές επιστήμες, έτσι και στην οικονομία η εξέλιξη της τεχνολογίας έχει διευκολύνει την λύση προβλημάτων που παλαιότερα θεωρούνταν πολύπλοκα και έχει συμβάλει στην εύρεση νέων σχέσεων που ήταν κρυμμένες στο παρελθόν. Στην παρούσα εργασία θα προσπαθήσουμε να αναλύσουμε μερικά από αυτά τα προβλήματα, που απασχολούν την οικονομική επιστήμη και μπορούν πλέον να επιλυθούν με αλγόριθμους της Εξόρυξης Δεδομένων (Data Mining). Κυρίως,θα ασχοληθούμε με την Μηχανική Μάθηση (Machine Learning) , μια ευρύτερη έννοια της Εξόρυξης Δεδομένων , η οποία στην ουσία είναι αλγόριθμοι σχεδιασμένοι να ''μαθαίνουν'' μέσω της χρησιμοποίησης τους, βρίσκοντας σχέσεις μεταξύ διαφόρων μεταβλητών και επιλύοντας ένα πρόβλημα ξανά και ξανά, να γίνονται πιο αποτελεσματικοί. Αυτό που μας ενδιαφέρει αναζητώντας την διαθέσιμη βιβλιογραφία, είναι να βρούμε για ποια κατηγορία των οικονομικών και για ποιο πρόβλημα, είναι αποτελεσματικός ο κάθε αλγόριθμος. Να σημειώσουμε ότι η αποτελεσματικότητα ενός αλγόριθμου κρίνεται ,κυρίως με βάση, την σύγκριση με την λογιστική παλινδρόμηση ή και κάποιες φορές συγκρίνοντας διαφορετικούς αλγόριθμους Μηχανικής Μάθησης μεταξύ τους. Τα αποτελέσματα υπόσχονται μια καλύτερη λύση των προβλημάτων. Στο τέλος, συμπεραίνουμε ότι σε σύγκριση με άλλες επιστήμες, η χρήση αυτών των τεχνικών στην οικονομία είναι ακόμα σε πρώιμο στάδιο παρά την προτροπή των ειδικών για περαιτέρω χρήση τους. Η αποδεδειγμένη αποτελεσματικότητα των μεθόδων Μηχανικής Μάθησης στα προβλήματα που θα παρουσιάσουμε, θα έπρεπε να παρακινήσει τους οικονομολόγους να τις εφαρμόσουν και αυτοί σε μεγαλύτερο βαθμό. 2019-10-12T19:12:13Z 2019-10-12T19:12:13Z 2019-01 Thesis http://hdl.handle.net/10889/12728 en_US 0 application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
English |
topic |
Machine learning Data mining Economics Μηχανική μάθηση Εξόρυξη δεδομένων Οικονομική επιστήμη 658.403 3 |
spellingShingle |
Machine learning Data mining Economics Μηχανική μάθηση Εξόρυξη δεδομένων Οικονομική επιστήμη 658.403 3 Λεγάκης, Αναστάσιος Τhe use of machine learning methods in economics : a literature review |
description |
Economic problems' solving can be achieved by using many different methods. The most common is logistic regression. Just like many sciences, in economics, the evolution of technology has made possible, the solution of problems considered complex in the past and has contributed to the finding of new relationships that were hidden in the past. In this thesis we will try to analyze some of the problems that concern economics and now can be solved by using Data Mining algorithms. Our main topic will be Machine Learning, a broader sense of Data Mining, which is in fact, algorithms designed to ''learn'' through their use, finding relationships between variables and by solving a problem again and again, can become more efficient. We will accomplish a literature review and find for which sector of economics and which problem, the application of each algorithm is efficient. We must note that the efficiency of each algorithm is mainly based on the comparison with the logistic regression or sometimes by comparing different Machine Learning algorithms with each other. The results are very promising. Lastly, we conclude that in comparison with other sciences, in economics the use of these techniques is still in an early stage despite the urge of specialists for their further use. The proven efficiency of Machine Learning methods in the problems we introduce, should incite the economists to apply them in a greater degree. |
author2 |
Τσαγκαράκης, Εμμανουήλ |
author_facet |
Τσαγκαράκης, Εμμανουήλ Λεγάκης, Αναστάσιος |
format |
Thesis |
author |
Λεγάκης, Αναστάσιος |
author_sort |
Λεγάκης, Αναστάσιος |
title |
Τhe use of machine learning methods in economics : a literature review |
title_short |
Τhe use of machine learning methods in economics : a literature review |
title_full |
Τhe use of machine learning methods in economics : a literature review |
title_fullStr |
Τhe use of machine learning methods in economics : a literature review |
title_full_unstemmed |
Τhe use of machine learning methods in economics : a literature review |
title_sort |
τhe use of machine learning methods in economics : a literature review |
publishDate |
2019 |
url |
http://hdl.handle.net/10889/12728 |
work_keys_str_mv |
AT legakēsanastasios theuseofmachinelearningmethodsineconomicsaliteraturereview AT legakēsanastasios ēchrēsētōnmethodōnmēchanikēsmathēsēsstēnoikonomikēepistēmēmiabibliographikēanaskopēsē |
_version_ |
1771297166723121152 |