Διάρκεια: 3 ώρες για 13 εβδομάδες [ECTS: 6]

Περίγραμμα του μαθήματος

Σκοπός του μαθήματος είναι η εξοικείωση των φοιτητών με τα σύγχρονα εργαλεία συλλογής, επεξεργασίας και ανάλυσης δεδομένων με έμφαση στις χρηματοοικονομικές διαδικασίες. Το μάθημα εστιάζεται στις τεχνολογικές και προγραμματιστικές μεθοδολογίες που χρησιμοποιούνται σε ευρεία κλίμακα για την ανάπτυξη σχετικών εφαρμογών. Η γλώσσα πραγματισμού Python με τις κατάλληλες επεκτάσεις απλοποιεί την εφαρμογή σύνθετων χρηματοοικονομικών μοντέλων σε μεγάλο όγκο οικονομικών δεδομένων. Με αυτό το τρόπο μπορούν να εξαχθούν αξιοποιήσιμα συμπεράσματα για την διεξαγωγή αυτοματοποιημένων χρηματιστηριακών συναλλαγών μέσω υπολογιστικών συστημάτων και του Διαδικτύου. Στο πλαίσιο του μαθήματος χρησιμοποιούνται σύγχρονες πλατφόρμες ανάλυσης δεδομένων (Anaconda) και οι δυνατότητες που προσφέρουν, ώστε οι φοιτητές να μπορέσουν άμεσα, τροποποιώντας τους υπάρχοντες αλγορίθμους, να δημιουργήσουν τις δικές τους επενδυτικές στρατηγικές και να μετρήσουν την αποδοτικότητα τους με την χρήση ιστορικών χρηματιστηριακών δεδομένων. Στην προσπάθεια αυτή αξιοποιούνται και αλγόριθμοι Τεχνητής Νοημοσύνης. Σημαντική διάσταση του μαθήματος αποτελεί η οπτικοποιήση και παρουσίαση των αποτελεσμάτων μέσω των κατάλληλων εργαλείων.

Κύρια αντικείμενα μαθήματος:

1. Οι επιπτώσεις της 4ης βιομηχανικής επανάστασης στις οικονομικές επιστήμες.
2. Οι βασικές αρχές της Επιστήμης Δεδομένων (Data Science).
3. Η πλατφόρμα Anaconda και άλλα εργαλεία για την ανάπτυξη εφαρμογών της Επιστήμης Δεδομένων.
4. Πηγές και αποθετήρια οικονομικών δεδομένων.
5. Οι επεκτάσεις της γλώσσας προγραμματισμού Python για επιστημονικές εφαρμογές και την ανάλυση δεδομένων με παραδείγματα από τις οικονομικές επιστήμες.
6. Σχεδιασμός και υλοποίηση αλγορίθμων για την διεξαγωγή αυτοματοποιημένων χρηματιστηριακών συναλλαγών χρησιμοποιώντας την Επιστήμη Δεδομένων.
7. Μέτρηση της αποδοτικότητας στρατηγικών και αλγορίθμων αυτοματοποιημένων συναλλαγών μέσω της Αναλυτικής Δεδομένων σε ιστορικά χρηματιστηριακά δεδομένα μεγάλου όγκου.
8. Οι Εφαρμογές της Τεχνητής Νοημοσύνης στην οικονομία.

Μαθησιακά Αποτελέσματα

Οι φοιτητές με την ολοκλήρωση του μαθήματος είναι σε θέση:

• Να κατανοούν και να χειρίζονται τα βασικά τεχνολογικά εργαλεία της Επιστήμης Δεδομένων για την ανάλυση, επεξεργασία και οπτικοποιήση οικονομικών διεργασιών.
  
• Να σχεδιάσουν και να προγραμματίζουν αυτοματοποιημένες χρηματιστηριακές συναλλαγές αξιοποιώντας Μεγάλα Δεδομένα (Big Data).
  
• Να χρησιμοποιούν διαθέσιμα χρηματιστηριακά δεδομένα για να αξιολογούν και να μετρούν την αποδοτικότητα των στρατηγικών τους.
  
• Να εφαρμόζουν τεχνικές και αλγορίθμους Τεχνητής Νοημοσύνης σε πλήθος διαφορετικών οικονομικών προβλημάτων.