prikaz prve stranice dokumenta Podržano učenje za donošenje odluka na financijskim tržištima
No public access
master's thesis
Podržano učenje za donošenje odluka na financijskim tržištima
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. urn:nbn:hr:168:482681
Barišić, Mia
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Barišić, M. (2020). Podržano učenje za donošenje odluka na financijskim tržištima (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:482681

Barišić, Mia. "Podržano učenje za donošenje odluka na financijskim tržištima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. https://urn.nsk.hr/urn:nbn:hr:168:482681

Barišić, Mia. "Podržano učenje za donošenje odluka na financijskim tržištima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. https://urn.nsk.hr/urn:nbn:hr:168:482681

Barišić, M. (2020). 'Podržano učenje za donošenje odluka na financijskim tržištima', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 29 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:482681

Barišić M. Podržano učenje za donošenje odluka na financijskim tržištima [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2020 [cited 2024 November 29] Available at: https://urn.nsk.hr/urn:nbn:hr:168:482681

M. Barišić, "Podržano učenje za donošenje odluka na financijskim tržištima", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:168:482681

Metadata
TitlePodržano učenje za donošenje odluka na financijskim tržištima
Title (english)Reinforcement Learning for Decision Making in Financial Markets
AuthorMia Barišić
MentorZvonko Kostanjčar (mentor)
Committee memberZvonko Kostanjčar (predsjednik povjerenstva)
Committee memberTomislav Petković (član povjerenstva)
Committee memberJuraj Petrović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2020-07-16, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Electrical Engineering
Abstract
U višeperiodnom trgovanju sa stvarnim utjecajima tržišta, određivanje dinamičke strategije trgovanja koja optimizira očekivanu korisnost konačne imovine zahtjevan je problem. Ovaj se rad bavi pitanjem mogućnosti učenja algoritma strojnog učenja da se ponaša kao racionalan investitor nesklon riziku, uz iskorištavanje mogućnosti arbitraže i uzimanje u obzir troškova trgovanja. Q-učenje (eng. Q-Learning) je tehnika podržanog učenja kojom agent razvija optimalnu politiku za maksimizaciju nagrade. Agent odabire akciju a_t – da prodaje, zadržava ili kupuje dionice. Izvršavanjem te akcije u trenutku t mijenja svoju poziciju u n_t i prelazi u novo stanje s_t te pri tome na temelju promjene vrijednosti portfelja prima nagradu r_t. Taj se postupak iterativno odvija određen broj epizoda koje sadrže određen broj koraka. „Proizvod“ treniranja agenta je Q-tablica – skup uputstava agentu koji mu govori koju akciju je najpametnije poduzeti u trenutnom stanju.
Abstract (english)
In multi-period trading with realistic market impact, determining the dynamic trading strategy for maximization of expected utility is a demanding problem. This paper deals with possibility of teaching the algorithm to act as rational risk-averse investor, while exploiting the arbitrage and taking into account the trading costs. Q-learning is reinforcement learning method when agent develops optimal policy for reward maximization. Agent chooses an action a_t – to sell, hold or buy shares. By executing the chosen action at time t, agent changes the total of his holdingas, ransfers to new state s_t and receives the reward r_t. This process iterates over the number of episodes, while which episode consists of a numer of steps. The final product of agent tarining is the Q-table – a set of instructions which gives the agent an information which action is the best one to take while being in current state.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:482681
Study programmeTitle: Electrical Engineering and Information Technology
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 09:44:02