prikaz prve stranice dokumenta Kratkoročno predviđanje cijena kriptovaluta upotrebom dubokog učenja
Rad nije dostupan
diplomski rad
Kratkoročno predviđanje cijena kriptovaluta upotrebom dubokog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:574284
Bernat, Andrea
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Bernat, A. (2021). Kratkoročno predviđanje cijena kriptovaluta upotrebom dubokog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:574284

Bernat, Andrea. "Kratkoročno predviđanje cijena kriptovaluta upotrebom dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:574284

Bernat, Andrea. "Kratkoročno predviđanje cijena kriptovaluta upotrebom dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:574284

Bernat, A. (2021). 'Kratkoročno predviđanje cijena kriptovaluta upotrebom dubokog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:574284

Bernat A. Kratkoročno predviđanje cijena kriptovaluta upotrebom dubokog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:574284

A. Bernat, "Kratkoročno predviđanje cijena kriptovaluta upotrebom dubokog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:574284

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:574284
Podaci o radu
NaslovKratkoročno predviđanje cijena kriptovaluta upotrebom dubokog učenja
Naslov (engleski)Short-term Forecasting of Cryptocurrency Prices by Deep Learning
AutorAndrea Bernat
MentorVladimir Čeperić (mentor)
Član povjerenstvaVladimir Čeperić (predsjednik povjerenstva)
Član povjerenstvaSiniša Šegvić (član povjerenstva)
Član povjerenstvaAnte Đerek (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-07-14, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Ovaj rad predstavlja primjenu modela povratne neuronske mreže s mogućnošću kratkoročnih i dugotrajnih ovisnosti (engl. \textit{Long Short Memmory}, LSTM) na problemu predviđanja kretanja cijena kriptovaluta. LSTM mreža je snažan model za modeliranje podataka vremenskih serija jer ima definirano unutarnje stanje kako bi se mogli pratiti već viđeni podaci. Predviđanje cijena kriptovaluta smatra se vrlo izazovnim zadatkom zbog svoje kaotične prirode. U ovome radu pristupili smo tom problemu i pokazali kako odabrati značajke koje utječu na promjenu kretanja cijena kriptovaluta. Detaljno smo opisali arhitekturu modela dubokog učenja i pokazali kako pristupiti odabiru hiperparametara modela. Ovaj rad mogao bi pomoći financijskim stručnjacima u analizi i predviđanju kretanja cijena kriptovaluti, no pošto je predviđanje tržišta vrlo nestabilno pa time i rizično treba provesti realan sustav ulaganja.
Sažetak (engleski)
This paper presents an example of a recurrent neural network model with the possibility of short-term and long-term dependencies (Long Short Memmory, LSTM) on the problems of forecasting the price movement of cryptocurrency. The LSTM network is a powerful model for modeling time series data because it has a defined internal state so that already seen data can be tracked. Predicting the price of cryptocurrency is considered a very challenging task, due to its chaotic nature. In this paper, we approached this problem and showed how to choose features that affect the change in the price movement of cryptocurrency. We described in detail the architecture of the deep learning model and showed how to approach hyperparameter tunning. This paper could help financial experts in analyzing and forecasting the price movement of cryptocurrencies. However, the market forecast is very volatile and risky over time so we need to implement a realistic investment system.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:574284
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 pohrane2023-01-13 11:48:15