prikaz prve stranice dokumenta Skalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju
No public access
master's thesis
Skalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. urn:nbn:hr:168:948216
Ruklić, Stjepan
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Ruklić, S. (2024). Skalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:948216

Ruklić, Stjepan. "Skalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:948216

Ruklić, Stjepan. "Skalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:948216

Ruklić, S. (2024). 'Skalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 14 January 2025, https://urn.nsk.hr/urn:nbn:hr:168:948216

Ruklić S. Skalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2024 [cited 2025 January 14] Available at: https://urn.nsk.hr/urn:nbn:hr:168:948216

S. Ruklić, "Skalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:168:948216

Metadata
TitleSkalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju
Title (english)Scalable real-time forecasting of financial markets time series based on deep learning
AuthorStjepan Ruklić
MentorAlan Jović (mentor)
Committee memberAlan Jović (predsjednik povjerenstva)
Committee memberNikolina Frid (član povjerenstva)
Committee memberJan Šnajder (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2024-07-08, Croatia
Abstract
Ovaj rad opisuje razvoj sustava za ovladavanje kompleksnim financijskim tržištima primjenom predikcijskih modela. Analizirani su povijesni podaci o cijenama te su uspoređene performanse statističkih modela (ARIMA, SARIMA, Prophet) i modela dubokog učenja. Predložena arhitektura razdvaja odgovornosti prikupljanja podataka i predikcije od orkestriranja i upravljanja resursima i omogućuje skalabilno predviđanje u stvarnom vremenu. Pored toga, sustav je oblikovan da se prilagodi različitim tržišnim uvjetima, povećavajući njegovu pouzdanost i efikasnost. Primjena statističkih modela se pokazala sigurnijom, jednostavnijom i u većini slučajeva točnijom od dubokih od dubokih neuronskih mreža.
Abstract (english)
This paper describes the development of a system for mastering complex financial markets using prediction models. Historical price data were analyzed and the performance of statistical models (ARIMA, SARIMA, Prophet) and deep learning models were compared. The proposed architecture separates data collection and prediction responsibilities from orchestration and resource management, and enables scalable and real-time forecasting. In addition, the system is designed to adapt to different market conditions, increasing its reliability and efficiency. The application of statistical models proved to be safer, simpler and more accurate than deep neural networks.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:948216
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 on2024-10-12 22:02:42