Τεχνητή νοημοσύνη και μηχανική μάθηση στα χρηματοοικονομικά
Ένα από τα επιστημονικά πεδία με τεράστιους ρυθμούς ανάπτυξης την τελευταία δεκαετία, και πληθώρα εφαρμογών σε πολλαπλούς τομείς, είναι η τεχνητή νοημοσύνη και τα παρακλάδια αυτής. Με τις μηχανές πλέον να μπορούν να εκπαιδεύονται από κατάλληλα δεδομένα εισόδου σε έναν αντίστοιχο αλγόριθμο, είναι δυν...
| Main Author: | |
|---|---|
| Other Authors: | |
| Language: | Greek |
| Published: |
2023
|
| Subjects: | |
| Online Access: | https://hdl.handle.net/10889/25103 |
| id |
nemertes-10889-25103 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Τεχνητή νοημοσύνη Χρηματοοικονομικά Τεχνητά νευρωνικά δίκτυα Artificial intelligence Finance Artificial neural networks Stocks Python |
| spellingShingle |
Τεχνητή νοημοσύνη Χρηματοοικονομικά Τεχνητά νευρωνικά δίκτυα Artificial intelligence Finance Artificial neural networks Stocks Python Κότσαλος, Νικόλαος Τεχνητή νοημοσύνη και μηχανική μάθηση στα χρηματοοικονομικά |
| description |
Ένα από τα επιστημονικά πεδία με τεράστιους ρυθμούς ανάπτυξης την τελευταία δεκαετία, και πληθώρα εφαρμογών σε πολλαπλούς τομείς, είναι η τεχνητή νοημοσύνη και τα παρακλάδια αυτής. Με τις μηχανές πλέον να μπορούν να εκπαιδεύονται από κατάλληλα δεδομένα εισόδου σε έναν αντίστοιχο αλγόριθμο, είναι δυνατό να μεταχειρίζονται δεδομένα και να αναγνωρίζουν μοτίβα με εγκυρότητα και ρυθμούς που είναι απλά ανέφικτοι για το ανθρώπινο μάτι και μυαλό. Η συγκεκριμένη δυνατότητα προσφέρει την πολυτέλεια σε επιχειρήσεις να λαμβάνουν πιο σωστές αποφάσεις για τις στρατηγικές τους κινήσεις και να αντιμετωπίζουν πιο αποτελεσματικά τους πελάτες τους.
Στην κατηγορία αυτή εντάσσεται και το χρηματοπιστωτικό σύστημα και οι τράπεζες, με την τεχνητή νοημοσύνη να έχει τη δυναμική να κλιμακώσει αρκετά τις δραστηριότητες αυτών και να αλλάξει άρδην τον τρόπο που λειτουργούν.
Σκοπός, λοιπόν της παρούσας εργασίας είναι να μελετήσει το πώς η τεχνητή νοημοσύνη έχει υπεισέλθει στον ευρύτερο κλάδο των χρηματοοικονομικών. Προσδοκώμενο αποτέλεσμα είναι να γίνουν γνωστά τα εργαλεία της τεχνητής νοημοσύνης που αξιοποιεί ο συγκεκριμένος κλάδος και οι τομείς που τον επηρεάζουν. Για να έρθει το συγκεκριμένο αποτέλεσμα, σημαντική είναι η εμβάθυνση και προσπέλαση περιεχομένου όπως:
• Η ιστορία και η σημασία της επιστήμης των οικονομικών
• Η ανάπτυξη της τεχνητής νοημοσύνης και των βασικών αρχών αυτής
• Τα εργαλεία τεχνητής νοημοσύνης έχουν εφαρμοστεί στα χρηματοοικονομικά, βάσει βιβλιογραφίας και σχετικών ερευνών
• Η ανάπτυξη ενός βασικού μοντέλου, με χρήση ενός εργαλείου απ’ όσα μελετήθηκαν, για εφαρμογή σχετική με τα χρηματοοικονομικά
Στόχος είναι μέσω όλων των παραπάνω, να δομηθεί μια εργασία ευανάγνωστη, ελκυστική, στον αναγνώστη, που να του μεταδίδει αβίαστα τα βασικά μηνύματα για τα οποία εκπονήθηκε, ήτοι την αξία της τεχνητής νοημοσύνης για τον άνθρωπο αλλά και συγκεκριμένα για τα οικονομικά, τα εργαλεία τεχνητής νοημοσύνης που γίνονται όλο και πιο διαδεδομένα, καθώς και το τί μπορεί με σχετική ευκολία να επιτευχθεί εάν τα συγκεκριμένα εργαλεία κατανοηθούν και χρησιμοποιηθούν ηθικά. |
| author2 |
Kotsalos, Nikolaos |
| author_facet |
Kotsalos, Nikolaos Κότσαλος, Νικόλαος |
| author |
Κότσαλος, Νικόλαος |
| author_sort |
Κότσαλος, Νικόλαος |
| title |
Τεχνητή νοημοσύνη και μηχανική μάθηση στα χρηματοοικονομικά |
| title_short |
Τεχνητή νοημοσύνη και μηχανική μάθηση στα χρηματοοικονομικά |
| title_full |
Τεχνητή νοημοσύνη και μηχανική μάθηση στα χρηματοοικονομικά |
| title_fullStr |
Τεχνητή νοημοσύνη και μηχανική μάθηση στα χρηματοοικονομικά |
| title_full_unstemmed |
Τεχνητή νοημοσύνη και μηχανική μάθηση στα χρηματοοικονομικά |
| title_sort |
τεχνητή νοημοσύνη και μηχανική μάθηση στα χρηματοοικονομικά |
| publishDate |
2023 |
| url |
https://hdl.handle.net/10889/25103 |
| work_keys_str_mv |
AT kotsalosnikolaos technētēnoēmosynēkaimēchanikēmathēsēstachrēmatooikonomika AT kotsalosnikolaos artificialintelligenceandmachinelearninginfinance |
| _version_ |
1771297148543959040 |
| spelling |
nemertes-10889-251032023-06-20T03:52:04Z Τεχνητή νοημοσύνη και μηχανική μάθηση στα χρηματοοικονομικά Artificial intelligence and machine learning in finance Κότσαλος, Νικόλαος Kotsalos, Nikolaos Τεχνητή νοημοσύνη Χρηματοοικονομικά Τεχνητά νευρωνικά δίκτυα Artificial intelligence Finance Artificial neural networks Stocks Python Ένα από τα επιστημονικά πεδία με τεράστιους ρυθμούς ανάπτυξης την τελευταία δεκαετία, και πληθώρα εφαρμογών σε πολλαπλούς τομείς, είναι η τεχνητή νοημοσύνη και τα παρακλάδια αυτής. Με τις μηχανές πλέον να μπορούν να εκπαιδεύονται από κατάλληλα δεδομένα εισόδου σε έναν αντίστοιχο αλγόριθμο, είναι δυνατό να μεταχειρίζονται δεδομένα και να αναγνωρίζουν μοτίβα με εγκυρότητα και ρυθμούς που είναι απλά ανέφικτοι για το ανθρώπινο μάτι και μυαλό. Η συγκεκριμένη δυνατότητα προσφέρει την πολυτέλεια σε επιχειρήσεις να λαμβάνουν πιο σωστές αποφάσεις για τις στρατηγικές τους κινήσεις και να αντιμετωπίζουν πιο αποτελεσματικά τους πελάτες τους. Στην κατηγορία αυτή εντάσσεται και το χρηματοπιστωτικό σύστημα και οι τράπεζες, με την τεχνητή νοημοσύνη να έχει τη δυναμική να κλιμακώσει αρκετά τις δραστηριότητες αυτών και να αλλάξει άρδην τον τρόπο που λειτουργούν. Σκοπός, λοιπόν της παρούσας εργασίας είναι να μελετήσει το πώς η τεχνητή νοημοσύνη έχει υπεισέλθει στον ευρύτερο κλάδο των χρηματοοικονομικών. Προσδοκώμενο αποτέλεσμα είναι να γίνουν γνωστά τα εργαλεία της τεχνητής νοημοσύνης που αξιοποιεί ο συγκεκριμένος κλάδος και οι τομείς που τον επηρεάζουν. Για να έρθει το συγκεκριμένο αποτέλεσμα, σημαντική είναι η εμβάθυνση και προσπέλαση περιεχομένου όπως: • Η ιστορία και η σημασία της επιστήμης των οικονομικών • Η ανάπτυξη της τεχνητής νοημοσύνης και των βασικών αρχών αυτής • Τα εργαλεία τεχνητής νοημοσύνης έχουν εφαρμοστεί στα χρηματοοικονομικά, βάσει βιβλιογραφίας και σχετικών ερευνών • Η ανάπτυξη ενός βασικού μοντέλου, με χρήση ενός εργαλείου απ’ όσα μελετήθηκαν, για εφαρμογή σχετική με τα χρηματοοικονομικά Στόχος είναι μέσω όλων των παραπάνω, να δομηθεί μια εργασία ευανάγνωστη, ελκυστική, στον αναγνώστη, που να του μεταδίδει αβίαστα τα βασικά μηνύματα για τα οποία εκπονήθηκε, ήτοι την αξία της τεχνητής νοημοσύνης για τον άνθρωπο αλλά και συγκεκριμένα για τα οικονομικά, τα εργαλεία τεχνητής νοημοσύνης που γίνονται όλο και πιο διαδεδομένα, καθώς και το τί μπορεί με σχετική ευκολία να επιτευχθεί εάν τα συγκεκριμένα εργαλεία κατανοηθούν και χρησιμοποιηθούν ηθικά. One of the scientific fields with a huge growth rate in the last decade, and a multitude of applications in a plethora of fields, is artificial intelligence and its many branches. With machines now able to get trained from appropriate input data to a corresponding algorithm, it is possible to handle volumes of data and recognize patterns with validity and at rates that are simply unattainable by the human eye and mind. This capability offers the luxury for businesses to make more informed decisions about their strategic moves and deal more effectively with their customers. The financial system and banks fall into this category, with AI having the potential to scale up their operations considerably and radically change the way they operate. The purpose, therefore, of this paper is to study how AI has entered the broader financial sector. The expected outcome is to become aware of the AI tools that this industry is utilizing and the areas that affect it. To reach this outcome, it is important to dive into and browse content such as: • The history and importance of the science of economics • The development of artificial intelligence and its basic principles • The history of artificial intelligence tools which have been applied to finance, based on literature and related research • The development of a basic model, using one of the tools studied, for application to the financial sector The aim through all of the above is to structure a readable, attractive paper for the reader, which effortlessly conveys the key messages for which it was written, namely the value of AI for humans and specifically for finance, the AI tools that are becoming more and more widespread, and what can be achieved with relative ease if these tools are properly understood and used ethically. 2023-06-19T06:57:05Z 2023-06-19T06:57:05Z 2023-06-19 https://hdl.handle.net/10889/25103 el application/pdf |
