prikaz prve stranice dokumenta Primjena strojnog učenja u predviđanju kretanja dionica i fondova
Rad nije dostupan
završni rad
Primjena strojnog učenja u predviđanju kretanja dionica i fondova
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:880007
Huić, Dario
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Huić, D. (2024). Primjena strojnog učenja u predviđanju kretanja dionica i fondova (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:880007

Huić, Dario. "Primjena strojnog učenja u predviđanju kretanja dionica i fondova." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:880007

Huić, Dario. "Primjena strojnog učenja u predviđanju kretanja dionica i fondova." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:880007

Huić, D. (2024). 'Primjena strojnog učenja u predviđanju kretanja dionica i fondova', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 27.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:880007

Huić D. Primjena strojnog učenja u predviđanju kretanja dionica i fondova [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 27.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:880007

D. Huić, "Primjena strojnog učenja u predviđanju kretanja dionica i fondova", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:880007

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:880007
Podaci o radu
NaslovPrimjena strojnog učenja u predviđanju kretanja dionica i fondova
Naslov (engleski)Application of Machine Learning in Predicting Stock and Fund Movements
AutorDario Huić
MentorLuka Humski (mentor)
Član povjerenstvaLuka Humski (predsjednik povjerenstva)
Član povjerenstvaDamir Pintar (član povjerenstva)
Član povjerenstvaAna Šarčević (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-02, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Ovaj rad istražuje primjenu tehnika strojnog učenja, specifično stabla odluke, nasumične šume i strojeva s potpornim vektorima (SVM), u predviđanju kretanja cijena dionica i fondova. Korišten je skup podataka koji obuhvaća različite financijske instrumente, uključujući dionice tehnoloških tvrtki, energetskih kompanija te međunarodnih fondova. Podaci su prikupljeni iz pouzdanih izvora, transformirani i obogaćeni dodatnim značajkama. Modeli su trenirani na povijesnim podacima, a njihove performanse su evaluirane pomoću preciznosti i vizualizirane matricama zabune. Rezultati su pokazali da su svi testirani modeli ostvarili preciznost nešto bolju od slučajnog pogađanja, pri čemu se stablo odluke istaknulo kao generalno najbolji prediktor. Međutim, uočene su razlike u performansama ovisno o specifičnom financijskom instrumentu, što sugerira potrebu za prilagodbom odabira modela svakoj pojedinoj situaciji.
Sažetak (engleski)
This thesis explores the application of machine learning techniques, specifically decision trees, random forests, and support vector machines (SVM), in predicting stock and fund price movements. The dataset used encompasses various financial instruments, including stocks of technology companies, energy companies, and international funds. The data was collected from reliable sources, preprocessed, and enriched with additional features. The models were trained on historical data, and their performance was evaluated using precision and visualized through confusion matrices. The results showed that all tested models achieved somewhat better precision than random guessing, with the decision tree standing out as the generally best predictor. However, differences in performance were observed depending on the specific financial instrument, suggesting the need for adapting the model selection to each individual situation.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:880007
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2024-10-12 20:50:09