prikaz prve stranice dokumenta Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja
No public access
master's thesis
Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. urn:nbn:hr:168:177025
Stojsavljević, Marin
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Stojsavljević, M. (2024). Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:177025

Stojsavljević, Marin. "Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:177025

Stojsavljević, Marin. "Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:177025

Stojsavljević, M. (2024). 'Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 06 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:177025

Stojsavljević M. Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2024 [cited 2024 November 06] Available at: https://urn.nsk.hr/urn:nbn:hr:168:177025

M. Stojsavljević, "Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:168:177025

Metadata
TitleUsporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja
Title (english)Comparison of the reinforcement learning and classical techniques for portfolio optimization
AuthorMarin Stojsavljević
MentorMario Brčić (mentor)
Committee memberMario Brčić (predsjednik povjerenstva)
Committee memberIvica Botički (član povjerenstva)
Committee memberDanijel Mlinarić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2024-08-30, Croatia
Abstract
Ovaj rad uspoređuje dvije različite metode za generiranje portfelja klasa imovine koristeći povijesne cijene američkih tvrtki. Metoda optimizacije srednje vrijednosti i varijance je tradicionalna metoda koja već dugo služi za svrhu generiranja portfelja, dok je duboko podržano učenje relativno nova metoda koja je znatno dobila na popularnosti u posljednjih nekoliko godina zbog njene široke primjene i velikih mogućnosti u raznim područjima. Pokazano je da na istom skupu dionica tehnika dubokog podržanog učenja ostvaruje znatno bolje rezultate od metode optimizacije srednje vrijednosti i varijance, posebno u smislu volatilnosti. Time je pokazan veliki potencijal koji sadrži podržano učenje u financijskoj domeni. U radu se detaljno opisuje arhitektura dubokog podržanog učenja koja se koristila u ovu svrhu.
Abstract (english)
This paper compares two different methods for generating portfolios of assets using historical prices of US companies. The mean-variance optimization method is a traditional method that has long served the purpose of portfolio generation, while deep reinforcement learning is a relatively new method that has gained considerable popularity in the last few years due to its wide application and great possibilities in various fields. It is shown that on the same set of stocks, the deep reinforcement learning technique achieves significantly better results than the mean and variance optimization method, especially in terms of volatility. This shows the great potential of reinforcement learning in the financial domain. The paper describes in detail the deep reinforcement learning architecture used for this purpose.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:177025
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 22:10:05