prikaz prve stranice dokumenta Metoda određivanja težina primjera temeljena na povratu za klasifikaciju financijskih vremenskih nizova
No public access
master's thesis
Metoda određivanja težina primjera temeljena na povratu za klasifikaciju financijskih vremenskih nizova
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. urn:nbn:hr:168:354086
Džaja, Mirko
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Džaja, M. (2024). Metoda određivanja težina primjera temeljena na povratu za klasifikaciju financijskih vremenskih nizova (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:354086

Džaja, Mirko. "Metoda određivanja težina primjera temeljena na povratu za klasifikaciju financijskih vremenskih nizova." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:354086

Džaja, Mirko. "Metoda određivanja težina primjera temeljena na povratu za klasifikaciju financijskih vremenskih nizova." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:354086

Džaja, M. (2024). 'Metoda određivanja težina primjera temeljena na povratu za klasifikaciju financijskih vremenskih nizova', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 29 June 2024, https://urn.nsk.hr/urn:nbn:hr:168:354086

Džaja M. Metoda određivanja težina primjera temeljena na povratu za klasifikaciju financijskih vremenskih nizova [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2024 [cited 2024 June 29] Available at: https://urn.nsk.hr/urn:nbn:hr:168:354086

M. Džaja, "Metoda određivanja težina primjera temeljena na povratu za klasifikaciju financijskih vremenskih nizova", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:168:354086

Metadata
TitleMetoda određivanja težina primjera temeljena na povratu za klasifikaciju financijskih vremenskih nizova
Title (english)Method for Return-based Sample Weighting in Financial Time Series Classification
AuthorMirko Džaja
MentorZvonko Kostanjčar (mentor)
Committee memberZvonko Kostanjčar (predsjednik povjerenstva)
Committee memberMarko Subašić (član povjerenstva)
Committee memberStjepan Begušić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2024-02-29, Croatia
Abstract
U klasifikaciji financijskih vremenskih nizova, pravilno dodjeljivanje težina uzorcima ključno je kako bi se istaknula važnost specifičnih događaja, a time smanjila pristranost i prenaučenost klasifikatora. Klasične metode, poput uravnotežavanja klasa, mogu previdjeti ključne karakteristike financijskih podataka. Također, vremensko otežavanje primjera zanemaruje periodičnost financijskih nizova. S druge strane, metode temeljene na povratu financijske imovine uzimaju u obzir specifičnosti financijskih podataka, povećavajući otpornost klasifikatora na šum. Uz popularne metode označavanja trenda, arhitekture klasifikatora i inženjerstva značajki, ovaj rad pruža pregled postojećih pristupa dodjele težina uzorcima i predstavlja dvije nove metode temeljene na povratu pozicija. Usporedba i testiranje raznih klasifikatora koristeći povijesne cijene različitih financijskih imovina ukazuju da informacija o povratu pozicija, u određenim slučajevima, može rezultirati boljim klasifikacijskim i financijskim metrikama.
Abstract (english)
In the financial time series classification, properly assigning weights to samples is essential for highlighting the significance of specific events while mitigating classifier bias and overfitting. Traditional methods, such as class balancing, can overlook key characteristics of financial data. Furthermore, time-weighting examples neglect the periodicity of financial series. Conversely, return-based weighting methods consider financial data specifics, enhancing the classifier’s ability to handle noise and outliers. Alongside popular methods of trend labeling, classifier architectures, and feature engineering, this paper provides an overview of existing approaches to sample weight and introduces two new methods based on the return of the positions. The comparison and testing of various classifiers using historical prices of different financial assets suggest that information about the return of positions can, in certain cases, result in better classification and financial metrics.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:354086
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2024-03-28 07:45:52