prikaz prve stranice dokumenta Previđanje cijene kretanja financijskih instrumenata optimizacijom performansi metoda strojnog učenja iz tokova podataka i metoda dubokog učenja
Rad nije dostupan
diplomski rad
Previđanje cijene kretanja financijskih instrumenata optimizacijom performansi metoda strojnog učenja iz tokova podataka i metoda dubokog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:587630
Križan, Mislav
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Križan, M. (2022). Previđanje cijene kretanja financijskih instrumenata optimizacijom performansi metoda strojnog učenja iz tokova podataka i metoda dubokog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:587630

Križan, Mislav. "Previđanje cijene kretanja financijskih instrumenata optimizacijom performansi metoda strojnog učenja iz tokova podataka i metoda dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:587630

Križan, Mislav. "Previđanje cijene kretanja financijskih instrumenata optimizacijom performansi metoda strojnog učenja iz tokova podataka i metoda dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:587630

Križan, M. (2022). 'Previđanje cijene kretanja financijskih instrumenata optimizacijom performansi metoda strojnog učenja iz tokova podataka i metoda dubokog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:587630

Križan M. Previđanje cijene kretanja financijskih instrumenata optimizacijom performansi metoda strojnog učenja iz tokova podataka i metoda dubokog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:587630

M. Križan, "Previđanje cijene kretanja financijskih instrumenata optimizacijom performansi metoda strojnog učenja iz tokova podataka i metoda dubokog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:587630

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:587630
Podaci o radu
NaslovPreviđanje cijene kretanja financijskih instrumenata optimizacijom performansi metoda strojnog učenja iz tokova podataka i metoda dubokog učenja
Naslov (engleski)Financial Price Data Prediction by Optimizing Stream-based Machine Learning Methods and Deep Learning Methods
AutorMislav Križan
MentorAlan Jović (mentor)
Član povjerenstvaAlan Jović (predsjednik povjerenstva)
Član povjerenstvaVlado Sruk (član povjerenstva)
Član povjerenstvaMarin Golub (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-07-05, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Klasifikacija smjera kretanja cijene financijskih instrumenata je vrlo izazovno, ali jako zahvalno područje u slučaju pronalaska uspješne strategije. Cilj prezentiranih algoritama je klasifikacija kretanja cijene (rast ili pad) dionica u određenom trenutku s određenim vremenskim periodom razmaka između trenutne i nadolazeće cijene. Unutar rada predstavljene su neke osnovne informacije vezane uz financijske instrumente s naglaskom na dionice. Prikupljeni su podaci nekoliko dionica u nekoliko vremenskih koraka, te su dodani dodatni indikatori kako bi se poboljšala vjerojatnost točne klasifikacije. Na kraju se napravila međusobna usporedba performansi odabranih algoritama strojnog i dubokog učenja kroz više vremenskih intervala, na više dionica.
Sažetak (engleski)
Classifying the direction of price movements of financial instruments is a very challenging, but also a very lucrative area in case of finding a successful strategy. The goal of the presented algorithms is to classify the movement of prices (rise or fall) of a stock at a given time with a certain period of time between the current and the upcoming price. In this thesis, some basic information related to financial instruments is presented, with an emphasis on stocks. Data from several stocks and several time steps were collected, and additional indicators were added to improve the probability of accurate classification. Finally, the performance of the selected machine learning and deep learning algorithms was compared over several time intervals and on several stocks.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:587630
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 pohrane2023-01-14 09:12:11