prikaz prve stranice dokumenta Skalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju
Rad nije dostupan
diplomski rad
Skalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:948216
Ruklić, Stjepan
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Ruklić, S. (2024). Skalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s 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." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 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." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 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', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.11.2024., 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 [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 26.11.2024.] Dostupno na: 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", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:948216

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:948216
Podaci o radu
NaslovSkalabilno predviđanje vremenskih nizova na financijskim tržištima u stvarnom vremenu zasnovano na dubokom učenju
Naslov (engleski)Scalable real-time forecasting of financial markets time series based on deep learning
AutorStjepan Ruklić
MentorAlan Jović (mentor)
Član povjerenstvaAlan Jović (predsjednik povjerenstva)
Član povjerenstvaNikolina Frid (član povjerenstva)
Član povjerenstvaJan Šnajder (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-08, Hrvatska
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:948216
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 pohrane2024-10-12 22:02:42