Εφαρμογή προηγμένων στατιστικών μεθόδων στην ανάλυση μεγάλων δεδομένων: Προκλήσεις και Ευκαιρίες
Thesis
Η παρούσα Διπλωματική Εργασία εξετάζει τη σχέση μεταξύ της πανδημίας COVID-19 και των ημερήσιων μεταβολών του δείκτη S&P 500, αξιολογώντας παράλληλα τη μεταβλητότητα της αγοράς και τις προβλεπτικές δυνατότητες των σχετικών οικονομικών μοντέλων. Ο κύριος στόχος της μελέτης ήταν να διερευνήσει αν οι ημερήσιες αυξήσεις κρουσμάτων και θανάτων επηρέασαν άμεσα ή έμμεσα τη συμπεριφορά του χρηματιστηριακού δείκτη. Η μεθοδολογία περιελάμβανε τη χρήση στατιστικών δοκιμών, όπως το t-test, πολυπαραγοντικής ανάλυσης παλινδρόμησης και ελέγχου Granger Causality για την εξέταση αιτιωδών σχέσεων. Επιπλέον, εφαρμόστηκε μοντέλο GARCH για τη μελέτη της μεταβλητότητας του δείκτη, καθώς και τεχνικές clustering για την κατηγοριοποίηση των δεδομένων σε περιόδους υψηλής, μέτριας και χαμηλής επίδρασης. Τα ευρήματα ανέδειξαν μια μέτρια θετική συσχέτιση μεταξύ ημερήσιων κρουσμάτων και τιμών κλεισίματος του S&P 500, χωρίς, ωστόσο στατιστικά σημαντική αιτιότητα. Το t-test και η ανάλυση παλινδρόμησης έδειξαν ότι οι αυξήσεις κρουσμάτων και θανάτων δεν είχαν ουσιαστική επίδραση στις ημερήσιες μεταβολές του δείκτη. Η εφαρμογή του μοντέλου GARCH κατέδειξε υψηλή εμμένουσα μεταβλητότητα στην πρώτη φάση της πανδημίας, ενώ οι αγορές εμφάνισαν σταδιακή σταθεροποίηση παρά τα επόμενα κύματα εξάρσεων. Τα clusters επιβεβαίωσαν την προσαρμοστική ικανότητα των αγορών στις συνθήκες κρίσης. Συμπερασματικά, τα αποτελέσματα υποδεικνύουν ότι η πανδημία, αν και προκάλεσε αρχική αστάθεια στις αγορές, δεν είχε μακροπρόθεσμη επίδραση στις ημερήσιες μεταβολές του S&P 500. Η προσαρμοστικότητα των αγορών και η επίδραση εξωτερικών παραγόντων, όπως οι δημοσιονομικές και νομισματικές πολιτικές, διαδραμάτισαν καθοριστικό ρόλο στη διαμόρφωση της συμπεριφοράς του δείκτη.