ΠΡΟΒΛΕΨΗ ΤΙΜΩΝ ΜΕΤΟΧΩΝ NFLX ΜΕ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

NFLX Stock Price Prediction with Linear Regression

Στατιστικές Μέθοδοι Μηχανικής Μάθησης - Εργασία 1
Statistical Methods of Machine Learning - Task 1

ΕΠΙΣΚΟΠΗΣΗ ΕΡΓΟΥ / PROJECT OVERVIEW

Αυτό το έργο υλοποιεί μια ολοκληρωμένη διαδικασία μηχανικής μάθησης για πρόβλεψη τιμών μετοχών Netflix (NFLX) χρησιμοποιώντας γραμμική παλινδρόμηση και διάφορες προηγμένες τεχνικές.

This project implements a comprehensive machine learning pipeline to predict Netflix (NFLX) stock prices using linear regression and various advanced techniques.

Εργασίες / Tasks

Εργασία Α / Task A: Baseline Γραμμική Παλινδρόμηση / Baseline Linear Regression
Εργασία Β / Task B: Πολυωνυμική Παλινδρόμηση με L1/L2 Κανονικοποίηση / Polynomial Regression with L1/L2 Regularization
Εργασία Γ / Task C: Μείωση Διαστάσεων (PCA, CFS, Wrapper) / Dimensionality Reduction (PCA, CFS, Wrapper Methods)
Εργασία Δ / Task D: Προβλέψεις Μελλοντικών Τιμών (Δεκέμβριος 2025, Ιανουάριος 2026) / Future Price Predictions (December 2025, January 2026)

Σύμβολο Μετοχής / Stock Symbol: NFLX (Netflix, Inc.)
Τομέας / Sector: Communication Services
Πηγή Δεδομένων / Data Source: Alpha Vantage API

⚠️ ΣΗΜΑΝΤΙΚΗ ΣΗΜΕΙΩΣΗ ALPHA VANTAGE API / IMPORTANT ALPHA VANTAGE API NOTE

🔴 Για Δωρεάν API Keys / For Free API Keys:

Το Alpha Vantage API έχει περιορισμούς για δωρεάν χρήστες. Η παράμετρος outputsize=full (που χρησιμοποιείται στον κώδικα) απαιτεί premium (επί πληρωμή) API key.
The Alpha Vantage API has limitations for free users. The outputsize=full parameter (used in the code) requires a premium (paid) API key.

Λύση / Solution:

Πριν εκτελέσετε τον κώδικα με δωρεάν API key, αλλάξτε:
Before running the code with a free API key, change:

# ❌ Αυτό ΔΕΝ λειτουργεί με δωρεάν key / This does NOT work with free key:
url = f"https://www.alphavantage.co/query?function=TIME_SERIES_DAILY&symbol={symbol}&outputsize=full&apikey={api_key}"

# ✅ Αλλάξτε σε / Change to:
url = f"https://www.alphavantage.co/query?function=TIME_SERIES_DAILY&symbol={symbol}&outputsize=compact&apikey={api_key}"

Αρχεία που χρειάζονται τροποποίηση / Files that need modification:

step1_data_acquisition.py (line ~78)
nflx_stock_prediction_complete_pipeline.ipynb (data acquisition cell)

Σημείωση / Note: Το outputsize=compact επιστρέφει μόνο τα τελευταία 100 data points (~3-4 μήνες), ενώ το outputsize=full επιστρέφει 20+ χρόνια δεδομένων.
The outputsize=compact returns only the latest 100 data points (~3-4 months), while outputsize=full returns 20+ years of data.

📓 Σημαντικό για το Notebook / Important about the Notebook:
Το nflx_stock_prediction_complete_pipeline.ipynb έχει ήδη εκτελεστεί και τα output cells περιέχουν αποτελέσματα από εκπαίδευση με πλήρη δεδομένα 20+ ετών (χρησιμοποιήθηκε outputsize=full). Αν εκτελέσετε ξανά το notebook με δωρεάν API key και outputsize=compact, τα αποτελέσματα θα είναι διαφορετικά λόγω του περιορισμένου dataset.
The nflx_stock_prediction_complete_pipeline.ipynb has already been executed and the output cells contain results from training with full 20+ years of data (using outputsize=full). If you re-run the notebook with a free API key and outputsize=compact, the results will differ due to the limited dataset.

ΣΥΝΟΛΙΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ / COMPREHENSIVE RESULTS

📊 Μοντέλα που Αναλύθηκαν / Models Analyzed

Συνολικά Μοντέλα / Total Models: 96

✅ 16 Baseline Linear Regression μοντέλα (4 smoothing × 4 lags)
✅ 32 Polynomial Regression μοντέλα (Ridge + Lasso για κάθε ρύθμιση / for each config)
✅ 48 Dimensionality Reduction μοντέλα (PCA + CFS + Sequential Forward Selection)

🏆 ΚΑΛΥΤΕΡΑ ΜΟΝΤΕΛΑ / BEST MODELS

1. Καλύτερο Baseline / Best Baseline

Μοντέλο / Model: LR_sigma3_12lags (Linear Regression)
Προεπεξεργασία / Preprocessing: Gaussian Smoothing (σ=3)
Παράθυρο Καθυστέρησης / Lag Window: 12 μήνες / months
Χαρακτηριστικά / Features: 24 (12 close price lags + 12 volume lags)
Training RMSE: $0.06
Training R²: 0.9999
Validation RMSE: $0.06
Validation R²: 1.0000
December 2025 Prediction: $1,100.97
January 2026 Prediction: $1,108.80

2. Καλύτερο Polynomial / Best Polynomial

Μοντέλο / Model: Ridge Regression (Degree 2)
Ρύθμιση / Configuration: sigma3, 9 lags
Alpha: 0.001
Validation RMSE: $4.19
Validation R²: 0.9978

3. Καλύτερο Dimensionality Reduction / Best Dim-Reduction

Μοντέλο / Model: LR_SFS_sigma3_12lags
Μέθοδος / Method: Sequential Forward Selection (SFS)
Ρύθμιση / Configuration: sigma3, 12 lags
Χαρακτηριστικά / Features: 12 (μειωμένα από 24 / reduced from 24)
Validation RMSE: $0.06
Validation R²: 1.0000
December 2025 Prediction: $1,100.98
January 2026 Prediction: $1,108.88

🔮 ΠΡΟΒΛΕΨΕΙΣ ΜΕΛΛΟΝΤΙΚΩΝ ΤΙΜΩΝ / FUTURE PREDICTIONS

Δεκέμβριος 2025 / December 2025: $1,100.97
Ιανουάριος 2026 / January 2026: $1,108.80

Προβλέψεις από το καλύτερο μοντέλο: LR_sigma3_12lags (Baseline)
Predictions from best model: LR_sigma3_12lags (Baseline)

Ensemble Στατιστικά / Ensemble Statistics (96 μοντέλα / models):

Δεκέμβριος / December: $1,113.81 (±$2.84)
Ιανουάριος / January: $1,114.18 (±$4.21)
95% CI December: [$1,108.25, $1,119.37]
95% CI January: [$1,105.93, $1,122.43]

ΔΟΜΗ ΕΡΓΟΥ / PROJECT STRUCTURE

stock-price-linear-regression/
│
├── nflx_stock_prediction_complete_pipeline.ipynb  # 🆕 Ολοκληρωμένο Jupyter Notebook Pipeline
│                                                   # Complete Jupyter Notebook Pipeline (91 cells)
│
├── step1_data_acquisition.py          # Συλλογή & προεπεξεργασία δεδομένων / Data fetching & preprocessing
├── step2_feature_engineering.py       # Δημιουργία χαρακτηριστικών με καθυστέρηση / Lagged feature creation
├── step3_baseline_linear_regression.py # Εργασία Α / Task A implementation
├── step4_polynomial_regression_regularization.py # Εργασία Β / Task B
├── step5_dimensionality_reduction.py  # Εργασία Γ / Task C implementation
├── step6_future_predictions.py        # Εργασία Δ & συνολική ανάλυση / Task D & comprehensive analysis
│
├── data/                              # Ακατέργαστα & επεξεργασμένα δεδομένα / Raw & processed data
│   ├── nflx_monthly_raw.csv           # 283 μήνες δεδομένων / months of data
│   ├── nflx_monthly_smoothed_sigma1.csv
│   ├── nflx_monthly_smoothed_sigma2.csv
│   ├── nflx_monthly_smoothed_sigma3.csv
│   └── smoothing_comparison.png
│
├── features/                          # Πίνακες χαρακτηριστικών & scalers / Feature matrices & scalers
│   ├── features_*.npz (16 ρυθμίσεις / configurations)
│   ├── scaler_*.pkl
│   ├── metadata_*.csv
│   └── train_val_split_*.png
│
├── models/                            # Εκπαιδευμένα μοντέλα / Trained models
│   ├── best_baseline_model.pkl        # Καλύτερο baseline μοντέλο / Best baseline model
│   ├── best_polynomial_model.pkl      # Καλύτερο polynomial μοντέλο / Best polynomial model
│   ├── best_dimred_model.pkl          # Καλύτερο dim-reduction μοντέλο / Best dimred model
│   ├── all_baseline_models.pkl        # Όλα τα 16 baseline μοντέλα / All 16 baseline models
│   ├── all_polynomial_models.pkl      # Όλα τα 32 polynomial μοντέλα / All 32 polynomial models
│   └── all_dimensionality_reduction_models.pkl # Όλα τα 48 dim-reduction μοντέλα / All 48 models
│
├── results/                           # Απεικονίσεις & αναφορές / Visualizations & reports
│   ├── all_96_models_results.csv      # Συνολικά αποτελέσματα 96 μοντέλων / Combined 96 models results
│   ├── baseline_linear_regression_results.csv (16 models)
│   ├── polynomial_regression_all_models_results.csv (32 models)
│   ├── dimensionality_reduction_all_models_results.csv (48 models)
│   ├── baseline_predictions_dec_jan_2025_2026.csv
│   ├── COMPLETE_96_MODELS_RANKING.csv
│   ├── BEST_MODELS_BY_APPROACH_COMPARISON.csv
│   ├── FINAL_PREDICTION_REPORT.txt
│   ├── baseline_performance_by_config.png
│   ├── future_predictions_visualization.png
│   └── best_model_forecast_with_history.png
│
├── .env                               # Διαμόρφωση API key / API key configuration
├── ML_TERMINOLOGY_GLOSSARY_EL_EN.md   # Γλωσσάριο όρων ML / ML terminology glossary
└── README.md                          # Αυτό το αρχείο / This file

ΕΓΚΑΤΑΣΤΑΣΗ & ΡΥΘΜΙΣΗ / INSTALLATION & SETUP

Προαπαιτούμενα / Prerequisites

Python 3.8 ή νεότερο / or higher

Απαιτούμενες Βιβλιοθήκες / Required Libraries

Για Python Scripts / For Python Scripts:

pip install numpy pandas scikit-learn scipy matplotlib requests python-dateutil

Για Jupyter Notebook (πρόσθετα) / For Jupyter Notebook (additional):

# Εγκατάσταση Jupyter / Install Jupyter
pip install jupyter notebook

# Ή χρησιμοποιήστε VS Code με την επέκταση / Or use VS Code with extension:
# - Jupyter (Microsoft)
# - Python (Microsoft)

Όλες οι βιβλιοθήκες μαζί / All libraries together:

pip install numpy pandas scikit-learn scipy matplotlib requests python-dateutil jupyter notebook

Διαμόρφωση API Key / API Key Configuration

Εγγραφείτε για δωρεάν Alpha Vantage API key στο / Sign up for a free Alpha Vantage API key at:
https://www.alphavantage.co/
Δημιουργήστε αρχείο .env στη ρίζα του project / Create a .env file in the project root:

api_key=YOUR_API_KEY_HERE

🚀 ΟΔΗΓΙΕΣ ΧΡΗΣΗΣ / USAGE INSTRUCTIONS

Επιλογή 1: Jupyter Notebook (Συνιστάται για Εκμάθηση / Recommended for Learning)

Πλεονεκτήματα / Advantages:

✅ Διαδραστική εκτέλεση με άμεσα αποτελέσματα / Interactive execution with immediate results
✅ Ενσωματωμένες απεικονίσεις / Embedded visualizations (20+ plots)
✅ Δίγλωσσες επεξηγήσεις σε κάθε βήμα / Bilingual explanations at each step
✅ Εύκολη αλλαγή παραμέτρων και επανεκτέλεση / Easy parameter tuning and re-execution

Εκτέλεση / Execution:

# Άνοιγμα σε Jupyter / Open in Jupyter
jupyter notebook nflx_stock_prediction_complete_pipeline.ipynb

# Ή σε VS Code / Or in VS Code
code nflx_stock_prediction_complete_pipeline.ipynb

Τρόπος Χρήσης / How to Use:

Run All Cells (Jupyter: Cell → Run All | VS Code: Run All button)
Ή εκτελέστε βήμα-προς-βήμα για να κατανοήσετε κάθε φάση / Or run step-by-step to understand each phase
Δείτε απεικονίσεις και αποτελέσματα inline / View visualizations and results inline
Όλα τα μοντέλα και αποτελέσματα αποθηκεύονται αυτόματα / All models and results are saved automatically

Τι Παράγει / What It Produces:

96 εκπαιδευμένα μοντέλα στο models/ / 96 trained models in models/
Προβλέψεις για Δεκέμβριο 2025 & Ιανουάριο 2026 / Predictions for December 2025 & January 2026
Αναλυτικές αναφορές στο results/ / Detailed reports in results/
20+ απεικονίσεις ενσωματωμένες στο notebook / 20+ visualizations embedded in notebook

Επιλογή 2: Python Scripts (Συνιστάται για Αυτοματισμό / Recommended for Automation)

Πλεονεκτήματα / Advantages:

✅ Κατάλληλο για παραγωγή και pipelines / Suitable for production and pipelines
✅ Εύκολη ενσωμάτωση σε CI/CD / Easy CI/CD integration
✅ Μεμονωμένη εκτέλεση βημάτων / Individual step execution
✅ Καλύτερο για batch processing / Better for batch processing

Πλήρης Εκτέλεση Pipeline / Complete Pipeline Execution:

# Βήμα 1: Συλλογή Δεδομένων / Step 1: Data Acquisition
python step1_data_acquisition.py
# Αποτέλεσμα / Output: 4 CSV files στο data/ (raw + 3 smoothed versions)

# Βήμα 2: Δημιουργία Χαρακτηριστικών / Step 2: Feature Engineering
python step2_feature_engineering.py
# Αποτέλεσμα / Output: 16 .npz files στο features/ (4 smoothing × 4 lags)

# Βήμα 3: Baseline Linear Regression (Εργασία Α / Task A)
python step3_baseline_linear_regression.py
# Αποτέλεσμα / Output: 16 μοντέλα → Καλύτερο: LR_sigma3_12lags (RMSE $0.06)

# Βήμα 4: Polynomial Regression (Εργασία Β / Task B)
python step4_polynomial_regression_regularization.py
# Αποτέλεσμα / Output: 32 μοντέλα (16 Ridge + 16 Lasso) → Καλύτερο: Ridge (RMSE $4.19)

# Βήμα 5: Dimensionality Reduction (Εργασία Γ / Task C)
python step5_dimensionality_reduction.py
# Αποτέλεσμα / Output: 48 μοντέλα (16 PCA + 16 CFS + 16 SFS) → Καλύτερο: LR_SFS_sigma3_12lags (RMSE $0.06)

# Βήμα 6: Προβλέψεις Μελλοντικών Τιμών (Εργασία Δ / Task D)
python step6_future_predictions.py
# Αποτέλεσμα / Output: Προβλέψεις Δεκέμβριος 2025: $1,100.97 | Ιανουάριος 2026: $1,108.80

Μεμονωμένη Εκτέλεση / Individual Execution:

Κάθε script μπορεί να εκτελεστεί ανεξάρτητα αφού τα προηγούμενα βήματα έχουν ολοκληρωθεί.
Each script can be run independently after previous steps are completed.

Τελικά Αποτελέσματα / Final Results:

📊 96 Μοντέλα / 96 Models: Αποθηκευμένα σε models/ / Saved in models/
📈 Προβλέψεις / Predictions: December 2025: $1,100.97 | January 2026: $1,108.80
📄 Αναφορές / Reports:

Σύγκριση Προσεγγίσεων / Approach Comparison

Χαρακτηριστικό / Feature	📓 Jupyter Notebook	🐍 Python Scripts
Εκτέλεση / Execution	Διαδραστική / Interactive	Σειριακή / Sequential
Απεικονίσεις / Visualizations	Ενσωματωμένες / Embedded	Αποθηκευμένες PNG / Saved PNGs
Τεκμηρίωση / Documentation	Markdown cells + comments	Docstrings
Debugging	Cell-by-cell inspection	Print statements + logs
Παρουσίαση / Presentation	Self-contained notebook	Αρχεία αποτελεσμάτων / Result files
Χρόνος Εκτέλεσης / Execution Time	~10-15 λεπτά / minutes	~10-15 λεπτά / minutes
Μοντέλα που Αποθηκεύονται / Models Saved	✅ Όλα / All 96	✅ Όλα / All 96
Καλύτερο Για / Best For	Exploration, teaching, demos	Production, automation, CI/CD

📓 JUPYTER NOTEBOOK PIPELINE / ΟΛΟΚΛΗΡΩΜΕΝΟ NOTEBOOK

Επισκόπηση / Overview

Το nflx_stock_prediction_complete_pipeline.ipynb είναι ένα ολοκληρωμένο Jupyter Notebook που ενοποιεί όλα τα 6 βήματα της ανάλυσης σε μία διαδραστική διεπαφή.

The nflx_stock_prediction_complete_pipeline.ipynb is a comprehensive Jupyter Notebook that unifies all 6 steps of the analysis in an interactive interface.

Δομή Notebook / Notebook Structure

Σύνολο Κελιών / Total Cells: 91 (44 code cells + 47 markdown cells)

Βήμα 1: Εισαγωγή & Ρύθμιση / Step 1: Introduction & Setup

Εισαγωγή βιβλιοθηκών / Library imports
API key configuration
Επισκόπηση έργου / Project overview

Βήμα 2: Συλλογή Δεδομένων / Step 2: Data Acquisition

Εξόδος / Output: 283 μήνες δεδομένων NFLX / 283 months of NFLX data
Gaussian smoothing με σ = 1, 2, 3 / Gaussian smoothing with σ = 1, 2, 3
Απεικόνιση / Visualization: 4-panel σύγκριση smoothing επιπέδων / 4-panel smoothing levels comparison

Βήμα 3: Δημιουργία Χαρακτηριστικών / Step 3: Feature Engineering

Ρυθμίσεις / Configurations: 16 combinations (4 smoothing × 4 lags)
Χρονολογική διαίρεση: Training (pre-2025) / Validation (2025)
StandardScaler normalization
Απεικόνιση / Visualization: Train/Val split timeline για κάθε ρύθμιση / for each configuration

Βήμα 4: Baseline Linear Regression (Εργασία Α / Task A)

Εκπαιδευμένα Μοντέλα / Trained Models: 16
Καλύτερη Απόδοση / Best Performance:
- Model: LR_sigma3_12lags
- Validation RMSE: $16.65
- Validation R²: 0.9564
- Training RMSE: $22.82
Απεικόνιση / Visualization:
- 6-panel performance comparison
- Actual vs Predicted για καλύτερο μοντέλο / for best model
Αποθήκευση / Saved:
- all_baseline_models.pkl (16 models)
- best_baseline_model.pkl

Βήμα 5: Polynomial Regression (Εργασία Β / Task B)

Εκπαιδευμένα Μοντέλα / Trained Models: 32 (16 Ridge + 16 Lasso)
Polynomial Degree: 2
Alpha Grid Search: [0.001, 0.01, 0.1, 1.0, 10.0]
Καλύτερη Απόδοση / Best Performance:
- Model: Lasso_sigma2_9lags (L1 regularization)
- Validation RMSE: $16.65
- Validation R²: 0.9504
- Alpha: 0.01
Απεικόνιση / Visualization:
- Ridge vs Lasso comparison (6 panels)
- Regularization path για άλλα μοντέλα / for top models
Αποθήκευση / Saved:
- all_polynomial_models.pkl (32 models)
- best_polynomial_model.pkl

Βήμα 6: Dimensionality Reduction (Εργασία Γ / Task C)

Εκπαιδευμένα Μοντέλα / Trained Models: 48 (16 PCA + 16 CFS + 16 SFS)
Μέθοδοι / Methods:
1. PCA: 95% explained variance
2. CFS: Correlation-based Feature Selection
3. Sequential Forward Selection: 50% features target
Καλύτερη Απόδοση / Best Performance:
- Model: LR_SFS_sigma1_9lags
- Validation RMSE: $16.68
- Validation R²: 0.9564
- Features: 9 (reduced from 18)
Απεικόνιση / Visualization:
- 4-panel comparison (PCA vs CFS vs SFS)
- Feature reduction analysis
Αποθήκευση / Saved:
- all_dimensionality_reduction_models.pkl (48 models)
- best_dimred_model.pkl

Βήμα 7: Προβλέψεις Μελλοντικών Τιμών / Step 7: Future Predictions (Εργασία Δ / Task D)

Χρησιμοποιούμενα Μοντέλα / Models Used: Top 3 από κάθε προσέγγιση = 9 μοντέλα / from each approach = 9 models
Μέθοδος / Method: Καταρρακτώδης πρόβλεψη / Cascading prediction
- Δεκέμβριος 2025: Χρήση ιστορικών δεδομένων / Using historical data
- Ιανουάριος 2026: Χρήση πρόβλεψης Δεκεμβρίου / Using December prediction
Αποτελέσματα Καλύτερου Μοντέλου / Best Model Results:
- Μοντέλο / Model: LR_sigma3_12lags (Baseline)
- Δεκέμβριος 2025 / December 2025: $1,110.04
- Ιανουάριος 2026 / January 2026: $1,108.80
- Εκτιμώμενη μεταβολή / Estimated change: -0.11% (Dec → Jan)
Ensemble Statistics / Στατιστικά Ensemble:
- Δεκέμβριος 2025: $1,113.81 (±$2.84)
- Ιανουάριος 2026: $1,114.18 (±$4.21)
- 95% CI December: [$1,108.25, $1,119.37]
- 95% CI January: [$1,105.93, $1,122.43]
Απεικόνιση / Visualization:
- 4-panel comprehensive plot:
  - Historical trend + predictions με confidence intervals
  - December 2025 distribution με best model line
  - January 2026 distribution με best model line
  - Average predictions by approach (Baseline/Polynomial/DimRed)
- Best model highlighted σε όλα τα plots / in all plots
Αποθήκευση / Saved:

Βήμα 8: Συνολική Σύνοψη / Step 8: Overall Summary

Πλήρης Κατάταξη / Complete Ranking: 96 μοντέλα ταξινομημένα κατά RMSE / 96 models sorted by RMSE
Σύγκριση Προσεγγίσεων / Approach Comparison: Baseline vs Polynomial vs DimRed
Ανάλυση Προβλέψεων Μέλλοντος / Future Predictions Analysis:
- Στατιστική ανάλυση / Statistical analysis
- Model agreement (CV < 1% = εξαιρετική συμφωνία / excellent agreement)
- Προβλέψεις ανά προσέγγιση / Predictions by approach
Βασικά Συμπεράσματα / Key Conclusions:
- Επίδραση smoothing και lags / Effect of smoothing and lags
- Ridge vs Lasso comparison
- Feature reduction insights (PCA/CFS/SFS)
- Dimensionality reduction effectiveness
Συστάσεις για Production / Production Recommendations
Τελική Αναφορά / Final Report: Comprehensive bilingual summary

Βασικά Χαρακτηριστικά Notebook / Key Notebook Features

✅ Διαδραστική Εκτέλεση / Interactive Execution: Εκτέλεση κελιών βήμα-βήμα / Step-by-step cell execution
✅ Απεικονίσεις σε Real-Time / Real-Time Visualizations: 20+ plots ενσωματωμένα / embedded plots
✅ Δίγλωσση Τεκμηρίωση / Bilingual Documentation: Ελληνικά & Αγγλικά σε κάθε κελί / Greek & English in every cell
✅ Πλήρης Αναπαραγωγιμότητα / Full Reproducibility: Όλα τα μοντέλα αποθηκεύονται / All models saved
✅ Comprehensive Outputs: Λεπτομερή στατιστικά και μετρικές / Detailed statistics and metrics

ΛΕΠΤΟΜΕΡΕΙΕΣ ΜΕΘΟΔΟΛΟΓΙΑΣ / METHODOLOGY DETAILS

1. Συλλογή & Προεπεξεργασία Δεδομένων / Data Acquisition & Preprocessing

Πηγή / Source: Alpha Vantage API (NFLX daily data)
Χρονική Περίοδος / Time Period: Μάιος 2002 - Νοέμβριος 2025 / May 2002 - November 2025
Συνολικοί Μήνες / Total Months: 283
Smoothing: Gaussian filter (σ = 0, 1, 2, 3)
Μετρικές / Metrics: Close price & Volume
Script: step1_data_acquisition.py

2. Δημιουργία Χαρακτηριστικών / Feature Engineering

Χαρακτηριστικά με Καθυστέρηση / Lagged Features: close_t-1, close_t-2, ..., close_t-N & volume_t-1, ..., volume_t-N
Παράθυρα Καθυστέρησης που Δοκιμάστηκαν / Lag Windows Tested: 3, 6, 9, 12 μήνες / months
Διαίρεση Δεδομένων / Data Split:
- Εκπαίδευση / Training: < 2025 (260-269 δείγματα / samples)
- Επικύρωση / Validation: 2025 (11 δείγματα / samples)
Κανονικοποίηση / Normalization: StandardScaler (fitted on training data only)
Script: step2_feature_engineering.py

3. Baseline Linear Regression (16 Μοντέλα / Models)

Ρυθμίσεις που Δοκιμάστηκαν / Configurations Tested:

4 smoothing levels (raw, sigma1, sigma2, sigma3)
4 lag windows (3, 6, 9, 12 months)
Σύνολο / Total: 16 configurations
Script: step3_baseline_linear_regression.py

Καλύτερη Ρύθμιση / Best Configuration:

Model: LR_sigma3_12lags
Config: sigma3, 12 lags
Validation RMSE: $0.06
Validation R²: 1.0000
December 2025: $1,100.97
January 2026: $1,108.80

4. Polynomial Regression (32 Μοντέλα / Models)

Προσέγγιση / Approach:

Δοκιμάστηκαν ΟΛΑ τα 16 baseline configurations / Tested ALL 16 baseline configurations
Πολυωνυμικά χαρακτηριστικά βαθμού 2 / Degree-2 polynomial features
Ridge (L2) και Lasso (L1) regularization
Grid search για alpha: [0.001, 0.01, 0.1, 1.0, 10.0]
Script: step4_polynomial_regression_regularization.py

Καλύτερο Μοντέλο / Best Model:

sigma3, 9 lags, Ridge, α=0.001 → RMSE: $4.19, R²: 0.9978

5. Dimensionality Reduction (48 Μοντέλα / Models)

Μέθοδοι / Methods:

PCA: 95% explained variance threshold
CFS: Correlation-based Feature Selection
Sequential Forward Selection: Wrapper method (50% features target)

Ανάλυση για ΟΛΑ τα 16 configurations / Applied to ALL 16 configurations

Script: step5_dimensionality_reduction.py

Καλύτερο Μοντέλο / Best Model:

Model: LR_SFS_sigma3_12lags
Config: sigma3, 12 lags
Method: Sequential Forward Selection (12 features)
Validation RMSE: $0.06
Validation R²: 1.0000

6. Προβλέψεις Μελλοντικών Τιμών / Future Predictions

Μεθοδολογία / Methodology:

Καταρρακτώδης πρόβλεψη / Cascading prediction
Δεκέμβριος 2025: Χρήση ιστορικών δεδομένων / Using historical data
Ιανουάριος 2026: Χρήση πρόβλεψης Δεκεμβρίου ως input / Using December prediction as input
Script: step6_future_predictions.py

ΒΑΣΙΚΑ ΕΥΡΗΜΑΤΑ / KEY FINDINGS

1. Επίδραση Smoothing / Smoothing Impact

✅ sigma3 (Gaussian σ=3) παράγει τα καλύτερα αποτελέσματα / produces best results

Μειώνει θόρυβο χωρίς απώλεια σημαντικών τάσεων / Reduces noise without losing important trends
Best Validation RMSE: $0.06 (sigma3, 12 lags)
Significant improvement over raw data configurations

2. Παράθυρο Καθυστέρησης / Lag Window

✅ 12 μήνες είναι βέλτιστο / 12 months is optimal

Περισσότερα χαρακτηριστικά = καλύτερη πρόβλεψη / More features = better prediction
Αποφυγή overfitting λόγω κανονικοποίησης / Avoiding overfitting through regularization

3. Σύγκριση Μοντέλων / Model Comparison

Κατηγορία / Category	Καλύτερο RMSE / Best RMSE	Καλύτερο Μοντέλο / Best Model	Πλεονεκτήματα / Advantages
Baseline	$0.06	LR_sigma3_12lags	Απλό, ερμηνεύσιμο / Simple, interpretable
Polynomial	$4.19	Ridge_sigma3_9lags	Συλλαμβάνει μη-γραμμικότητα / Captures non-linearity
Dim-Reduction	$0.06	LR_SFS_sigma3_12lags	Λιγότερα χαρακτηριστικά, ίδια απόδοση / Fewer features, same performance

4. Feature Selection

✅ Sequential Forward Selection επιτυγχάνει άριστα αποτελέσματα / achieves excellent results

Μείωση από 24 → 12 χαρακτηριστικά / Reduction from 24 → 12 features
Validation RMSE: $0.06 (σχεδόν ίδιο με baseline / nearly identical to baseline)
Διατήρηση R²=1.0000 / Maintaining R²=1.0000
50% λιγότερα features, ίδια απόδοση / 50% fewer features, same performance
Απλούστερο μοντέλο, ταχύτερη πρόβλεψη / Simpler model, faster prediction

ΑΠΟΤΕΛΕΣΜΑΤΑ ΑΝΑ ΕΡΓΑΣΙΑ / RESULTS BY TASK

✅ Εργασία Α / Task A: Baseline Linear Regression

Εκπαιδευμένα Μοντέλα / Models Trained: 16
Καλύτερη Ρύθμιση / Best Config: sigma3, 12 lags
Validation RMSE: $0.03
Validation R²: 1.0000

✅ Εργασία Β / Task B: Polynomial Regression με Κανονικοποίηση / with Regularization

Εκπαιδευμένα Μοντέλα / Models Trained: 32 (16 Ridge + 16 Lasso)
Καλύτερο Μοντέλο / Best Model: Ridge (sigma3, 9 lags, α=0.001)
Validation RMSE: $4.19
Validation R²: 0.9978

✅ Εργασία Γ / Task C: Μείωση Διαστάσεων / Dimensionality Reduction

Εκπαιδευμένα Μοντέλα / Models Trained: 48 (16 PCA + 16 CFS + 16 SFS)
Καλύτερη Μέθοδος / Best Method: Sequential Forward Selection
Καλύτερη Ρύθμιση / Best Config: sigma3, 12 lags (12 features)
Validation RMSE: $0.03
Validation R²: 1.0000

✅ Εργασία Δ / Task D: Προβλέψεις Μελλοντικών Τιμών / Future Predictions

Δεκέμβριος 2025 / December 2025: $1,175.48
Ιανουάριος 2026 / January 2026: $1,175.95
Μέθοδος / Method: Καταρρακτώδης πρόβλεψη με καλύτερο baseline / Cascading prediction with best baseline

ΑΡΧΕΙΑ ΑΝΑΦΟΡΩΝ / REPORT FILES

all_96_models_results.csv
- Συνολικά αποτελέσματα όλων των 96 μοντέλων
- Combined results of all 96 models
COMPLETE_96_MODELS_RANKING.csv
- Πλήρης κατάταξη μοντέλων κατά RMSE
- Complete model ranking by RMSE
BEST_MODELS_BY_APPROACH_COMPARISON.csv
- Σύγκριση καλύτερων μοντέλων ανά προσέγγιση
- Comparison of best models by approach
baseline_linear_regression_results.csv
- Αναλυτικά αποτελέσματα 16 baseline μοντέλων
- Detailed results for 16 baseline models
polynomial_regression_all_models_results.csv
- Αναλυτικά αποτελέσματα 32 polynomial μοντέλων
- Detailed results for 32 polynomial models
dimensionality_reduction_all_models_results.csv
- Αναλυτικά αποτελέσματα 48 dim-reduction μοντέλων
- Detailed results for 48 dim-reduction models
baseline_predictions_dec_jan_2025_2026.csv
- Προβλέψεις για Δεκέμβριο 2025 & Ιανουάριο 2026
- Predictions for December 2025 & January 2026
FINAL_PREDICTION_REPORT.txt
- Δίγλωσση τελική αναφορά με όλα τα αποτελέσματα
- Bilingual final report with all results

ΑΠΕΙΚΟΝΙΣΕΙΣ / VISUALIZATIONS

Δημιουργούμενα Γραφήματα / Generated Plots

Data Smoothing Comparison (smoothing_comparison.png)
- Σύγκριση raw και smoothed data
- Comparison of raw and smoothed data
Baseline Performance (baseline_performance_by_config.png)
- Απόδοση όλων των 16 baseline configurations
- Performance of all 16 baseline configurations
Comprehensive Predictions (comprehensive_predictions_comparison.png)
- Σύγκριση προβλέψεων όλων των μοντέλων
- Comparison of predictions across all models
Best Model Forecast (best_model_forecast_with_history.png)
- Ιστορικά δεδομένα + προβλέψεις καλύτερου μοντέλου
- Historical data + best model predictions

ΤΕΧΝΙΚΕΣ ΛΕΠΤΟΜΕΡΕΙΕΣ / TECHNICAL DETAILS

Χρησιμοποιούμενες Βιβλιοθήκες / Libraries Used

NumPy: Αριθμητικοί υπολογισμοί / Numerical computations
Pandas: Χειρισμός δεδομένων / Data manipulation
Scikit-learn: Μοντέλα ML & μετρικές / ML models & metrics
SciPy: Gaussian filtering
Matplotlib: Απεικονίσεις / Visualizations
Requests: API calls

Αλγόριθμοι / Algorithms

LinearRegression: Baseline models
Ridge: L2 regularization (πολυωνυμικά / polynomial)
Lasso: L1 regularization (πολυωνυμικά / polynomial)
PCA: Unsupervised dimensionality reduction
CFS: Filter-based feature selection
SequentialFeatureSelector: Wrapper-based selection

ΔΗΛΩΣΗ ΔΙΓΛΩΣΣΙΑΣ ΥΠΟΣΤΗΡΙΞΗΣ / BILINGUAL SUPPORT DECLARATION

Ελληνική Υποστήριξη / Greek Language Support

Αυτό το έργο περιλαμβάνει πλήρη δίγλωσση υποστήριξη (Ελληνικά-Αγγλικά) σε όλα τα αρχεία:

This project includes full bilingual support (Greek-English) across all files:

✅ Python Scripts: Όλα τα modules περιέχουν docstrings στα Ελληνικά και Αγγλικά
✅ Python Scripts: All modules contain docstrings in both Greek and English

✅ Reports: Όλες οι αναφορές δημιουργούνται σε δίγλωσση μορφή
✅ Reports: All reports generated in bilingual format

✅ Documentation: README και τεχνικά έγγραφα σε αμφότερες τις γλώσσες
✅ Documentation: README and technical documents in both languages

✅ Terminology: Γλωσσάριο ML όρων διαθέσιμο στο ML_TERMINOLOGY_GLOSSARY_EL_EN.md
✅ Terminology: ML terminology glossary available in ML_TERMINOLOGY_GLOSSARY_EL_EN.md

ΑΝΑΠΑΡΑΓΩΓΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ / REPRODUCIBILITY

Για αναπαραγωγή αποτελεσμάτων / To reproduce results:

Βεβαιωθείτε ότι έχετε Python 3.8+ / Ensure you have Python 3.8+
Εγκαταστήστε dependencies / Install dependencies
Ρυθμίστε Alpha Vantage API key στο .env / Configure Alpha Vantage API key in .env
Εκτελέστε όλα τα scripts με τη σειρά / Run all scripts in sequence
Ελέγξτε results/ για αναφορές / Check results/ for reports

Σημείωση / Note: Τα αποτελέσματα μπορεί να διαφέρουν ελαφρώς λόγω ενημερώσεων δεδομένων.
Results may vary slightly due to data updates.

ΣΥΓΓΡΑΦΕΑΣ & ΠΛΗΡΟΦΟΡΙΕΣ / AUTHOR & INFORMATION

Μάθημα / Course: Στατιστικές Μέθοδοι Μηχανικής Μάθησης / Statistical Methods of Machine Learning
Εργασία / Assignment: Task 1 - Stock Price Prediction
Σύμβολο Μετοχής / Stock Symbol: NFLX (Netflix, Inc.)
Χρονική Περίοδος / Time Period: Μάιος 2002 - Νοέμβριος 2025 / May 2002 - November 2025
Συνολικά Μοντέλα / Total Models: 96

ΑΝΑΦΟΡΕΣ & ΠΗΓΕΣ / REFERENCES & SOURCES

Alpha Vantage API: https://www.alphavantage.co/
Scikit-learn Documentation: https://scikit-learn.org/
Gaussian Filtering: SciPy ndimage module
ML Terminology Glossary: ML_TERMINOLOGY_GLOSSARY_EL_EN.md

ΑΔΕΙΑ / LICENSE

Αυτό το έργο δημιουργήθηκε για εκπαιδευτικούς σκοπούς από τον Βασίλειο Μπίτζα.
This project was created for educational purposes from Vasileios Bitzas.

Ημερομηνία Τελευταίας Ενημέρωσης / Last Updated: Νοέμβριος 2025 / November 2025

Name		Name	Last commit message	Last commit date
Latest commit History 13 Commits
data		data
features		features
media		media
models		models
results		results
.gitattributes		.gitattributes
.gitignore		.gitignore
ML_TERMINOLOGY_GLOSSARY_EL_EN.md		ML_TERMINOLOGY_GLOSSARY_EL_EN.md
README.md		README.md
doc.pdf		doc.pdf
doc.tex		doc.tex
hellas.bst		hellas.bst
nflx_stock_prediction_complete_pipeline.ipynb		nflx_stock_prediction_complete_pipeline.ipynb
references.bib		references.bib
step1_data_acquisition.py		step1_data_acquisition.py
step2_feature_engineering.py		step2_feature_engineering.py
step3_baseline_linear_regression.py		step3_baseline_linear_regression.py
step4_polynomial_regression_regularization.py		step4_polynomial_regression_regularization.py
step5_dimensionality_reduction.py		step5_dimensionality_reduction.py
step6_future_predictions.py		step6_future_predictions.py

IBilba/stock-price-linear-regression

Folders and files

Latest commit

History

Repository files navigation