Ανάπτυξη αλγόριθμων συσχέτισης μακροοικονομικών μεγεθών σε σχέση με την τουριστική ανάπτυξη και διερεύνηση της δυνατότητας πρόβλεψης των αποτελεσμάτων της.

Abstract

This dissertation systematically examines the relationship between macroeconomic variables and tourism development in Greece, aiming to interpret the key economic mechanisms shaping international tourism demand and to assess the forecasting performance of contemporary econometric and algorithmic methods. The analysis focuses on core macroeconomic determinants, including economic growth, inflation, exchange rates, unemployment, and interest rates, using long-run time-series data from reliable national and international sources. Methodologically, the study combines traditional econometric techniques, such as multiple linear regression and ARIMA models, with modern machine learning approaches, including Random Forests and Artificial Neural Networks. The findings suggest that economic growth constitutes the most robust and stable determinant of tourism demand, while inflation and exchange rate movements play a critical role in shaping the international competitiveness of the Greek tourism product. In contrast, variables such as unemployment and interest rates exhibit a limited direct effect on international tourism demand.Overall, the results indicate superior predictive performance of algorithmic models, particularly in environments characterized by nonlinearity and structural change. The dissertation contributes to the literature on tourism economics by offering a coherent analytical and forecasting framework for tourism activity at the macroeconomic level, with a specific focus on the Greek economy.

Η παρούσα διατριβή διερευνά συστηματικά τη σχέση μεταξύ μακροοικονομικών μεταβλητών και τουριστικής ανάπτυξης στην Ελλάδα, με στόχο την ερμηνεία των βασικών οικονομικών μηχανισμών που διαμορφώνουν τη διεθνή τουριστική ζήτηση και την αξιολόγηση της προγνωστικής ικανότητας σύγχρονων οικονομετρικών και αλγοριθμικών μεθόδων. Η ανάλυση εστιάζει σε βασικούς μακροοικονομικούς προσδιοριστικούς παράγοντες, όπως η οικονομική μεγέθυνση, ο πληθωρισμός, οι συναλλαγματικές ισοτιμίες, η ανεργία και τα επιτόκια, αξιοποιώντας μακροχρόνια χρονοσειριακά δεδομένα από έγκυρες εθνικές και διεθνείς πηγές. Σε μεθοδολογικό επίπεδο, εφαρμόζονται τόσο παραδοσιακές οικονομετρικές τεχνικές (πολλαπλή γραμμική παλινδρόμηση, υποδείγματα ARIMA) όσο και σύγχρονες μέθοδοι μηχανικής μάθησης (Random Forest, Τεχνητά Νευρωνικά Δίκτυα). Τα αποτελέσματα υποδηλώνουν ότι η οικονομική ανάπτυξη αποτελεί τον ισχυρότερο και πλέον σταθερό προσδιοριστικό παράγοντα της τουριστικής ζήτησης, ενώ ο πληθωρισμός και οι συναλλαγματικές ισοτιμίες επηρεάζουν καθοριστικά τη διεθνή ανταγωνιστικότητα του ελληνικού τουριστικού προϊόντος. Αντιθέτως, μεταβλητές όπως η ανεργία και τα επιτόκια εμφανίζουν περιορισμένη άμεση επίδραση. Η έρευνα καταδεικνύει ανώτερη προγνωστική επίδοση των αλγοριθμικών υποδειγμάτων, ιδίως σε περιβάλλοντα μη γραμμικότητας και διαρθρωτικών μεταβολών. Συνολικά, η διατριβή συμβάλλει στη διεθνή βιβλιογραφία των οικονομικών του τουρισμού, προσφέροντας ένα ολοκληρωμένο πλαίσιο ανάλυσης και πρόβλεψης της τουριστικής δραστηριότητας σε μακροοικονομικό επίπεδο, με έμφαση στην ελληνική οικονομία.