Μη γραμμική ανάλυση χρονοσειρών τιμών αγροτικών προϊόντων

Abstract

This doctoral dissertation employs advanced time series analysis methods from the field of dynamical systems to investigate the dynamic behavior of agri-food price data, focusing specifically on vegetables, and to extract quantitative indicators that support product clustering. The approach aims to reveal patterns that can contribute to market strategy development and to policy design by public or private stakeholders.For the first time, data from the Thessaloniki Central Market were utilized, requiring the creation of a unified database from handwritten records and heterogeneous digital sources. Vegetables with complete annual time series were selected to ensure consistency in the analysis. The study combines multiple complementary methodologies. Recurrence plot analysis based on phase-space reconstruction was applied to explore system dynamics, while clustering was examined both through extracted features and by treating time series as unified objects. In addition, complex network analysis was introduced using two approaches: correlation networks and the transformation of time series into networks through the visibility graph method. Temporal variability was further examined using Hurst analysis and Hjorth parameters. The results indicate that the resulting vegetable groups, although not identical across methods, exhibit consistent characteristics related to their culinary use and price dynamics. The work establishes a foundation for extending the methodology to a broader range of products and proposes the future integration of artificial intelligence and machine learning techniques.

Η παρούσα διδακτορική διατριβή αξιοποιεί σύγχρονες μεθόδους ανάλυσης χρονοσειρών από το πεδίο των δυναμικών συστημάτων με στόχο τη διερεύνηση της δυναμικής συμπεριφοράς τιμών λαχανικών και την εξαγωγή ποσοτικών δεικτών για την ομαδοποίηση προϊόντων. Η προσέγγιση αποσκοπεί στην ανάδειξη μοτίβων που μπορούν να υποστηρίξουν στρατηγικές αγοράς-πώλησης και τον σχεδιασμό πολιτικών από δημόσιους ή ιδιωτικούς φορείς. Για πρώτη φορά χρησιμοποιήθηκαν δεδομένα από την Κεντρική Αγορά Θεσσαλονίκης, για τα οποία δημιουργήθηκε ενοποιημένη βάση δεδομένων από χειρόγραφες και ετερογενείς ψηφιακές πηγές. Η ανάλυση περιλάμβανει διαγράμματα επαναφοράς και ανακατασκευή χώρου φάσεων, ομαδοποίηση χρονοσειρών, ανάλυση πολύπλοκων δικτύων (δίκτυα συσχέτισης και μέθοδο ορατότητας), καθώς και μελέτη της χρονικής μεταβλητότητας μέσω δεικτών Hurst και παραμέτρων Hjorth. Τα αποτελέσματα δείχνουν ότι οι ομάδες λαχανικών παρουσιάζουν κοινά χαρακτηριστικά που συνδέονται με τη χρήση τους και τη δυναμική των τιμών τους, θέτοντας τις βάσεις για επέκταση της μεθοδολογίας σε περισσότερα προϊόντα και για μελλοντική αξιοποίηση τεχνικών τεχνητής νοημοσύνης και μηχανικής μάθησης.