prikaz prve stranice dokumenta Primjena dubokog podržanog učenja na problem optimalnog izvršenja naloga
Rad nije dostupan
diplomski rad
Primjena dubokog podržanog učenja na problem optimalnog izvršenja naloga
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:143217
Tomaš, Marino
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Tomaš, M. (2023). Primjena dubokog podržanog učenja na problem optimalnog izvršenja naloga (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:143217

Tomaš, Marino. "Primjena dubokog podržanog učenja na problem optimalnog izvršenja naloga." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:143217

Tomaš, Marino. "Primjena dubokog podržanog učenja na problem optimalnog izvršenja naloga." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:143217

Tomaš, M. (2023). 'Primjena dubokog podržanog učenja na problem optimalnog izvršenja naloga', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:143217

Tomaš M. Primjena dubokog podržanog učenja na problem optimalnog izvršenja naloga [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 25.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:143217

M. Tomaš, "Primjena dubokog podržanog učenja na problem optimalnog izvršenja naloga", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:143217

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:143217
Podaci o radu
NaslovPrimjena dubokog podržanog učenja na problem optimalnog izvršenja naloga
Naslov (engleski)Application of Deep Reinforcement Learning to the Problem of Optimal Order Execution
AutorMarino Tomaš
MentorZvonko Kostanjčar (mentor)
Član povjerenstvaZvonko Kostanjčar (predsjednik povjerenstva)
Član povjerenstvaTomislav Petković (član povjerenstva)
Član povjerenstvaStjepan Begušić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-07-13, Hrvatska
Sažetak
Kod problema optimalnog izvršenja naloga, potrebno je odrediti kako optimalno podijeliti jedan volumno veliki nalog za kupnju ili prodaju u skup naloga s manjim volumenima, s ciljem maksimizacije profita i minimizacije rizika. Za rješavanje ovog problema korišteno je duboko podržano učenje, kombinacija dubokog i podržanog učenja u kojoj se duboke neuronske mreže koriste kao funkcijski aproksimatori za reprezentaciju politike i/ili funkcije vrijednosti stanja. U sklopu ovog rada razvijen je sofisticirani model utjecaja na tržište korištenjem empirijski potvrđenih funkcija utjecaja na tržište. Zatim su na navedeni model primijenjene dvije metode dubokog podržanog učenja, PPO i Rainbow DQN, kao i klasični pristupi problemu optimalnog izvršenja naloga. Izvršena je usporedba performansi rezultata navedenih pristupa, te su analizirane dobivene politike podržanog učenja.
Sažetak (engleski)
The problem of optimal order execution involves determining how to optimally divide one large bid or ask order into a set of orders with smaller volumes, with the goal of maximizing profits and minimizing risks. To address this problem, we employ deep reinforcement learning, a combination of deep learning and reinforcement learning in which deep neural networks serve as function approximators to represent the policy and/or state value function. As part of this work, a sophisticated market impact model based on empirically corroborated market impact functions was developed. Subsequently, two deep reinforcement learning models, PPO and Rainbow DQN, as well as classical approaches to the problem of optimal order execution, were applied to it. A comparative performance evaluations of all the approaches was performed, and the resulting reinforcement learning policies were analyzed.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:143217
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-10-11 10:47:23