prikaz prve stranice dokumenta Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja
Rad nije dostupan
diplomski rad
Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:177025
Stojsavljević, Marin
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Stojsavljević, M. (2024). Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:177025

Stojsavljević, Marin. "Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:177025

Stojsavljević, Marin. "Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 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', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:177025

Stojsavljević M. Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:177025

M. Stojsavljević, "Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:177025

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:177025
Podaci o radu
NaslovUsporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja
Naslov (engleski)Comparison of the reinforcement learning and classical techniques for portfolio optimization
AutorMarin Stojsavljević
MentorMario Brčić (mentor)
Član povjerenstvaMario Brčić (predsjednik povjerenstva)
Član povjerenstvaIvica Botički (član povjerenstva)
Član povjerenstvaDanijel Mlinarić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-08-30, Hrvatska
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:177025
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 22:10:05