prikaz prve stranice dokumenta Procjena trenda u financijskim vremenskim nizovima zasnovana na strojnom učenju
Rad nije dostupan
završni rad
Procjena trenda u financijskim vremenskim nizovima zasnovana na strojnom učenju
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:137373
Jukić, Petar
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Jukić, P. (2021). Procjena trenda u financijskim vremenskim nizovima zasnovana na strojnom učenju (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:137373

Jukić, Petar. "Procjena trenda u financijskim vremenskim nizovima zasnovana na strojnom učenju." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:137373

Jukić, Petar. "Procjena trenda u financijskim vremenskim nizovima zasnovana na strojnom učenju." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:137373

Jukić, P. (2021). 'Procjena trenda u financijskim vremenskim nizovima zasnovana na strojnom učenju', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 17.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:137373

Jukić P. Procjena trenda u financijskim vremenskim nizovima zasnovana na strojnom učenju [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 17.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:137373

P. Jukić, "Procjena trenda u financijskim vremenskim nizovima zasnovana na strojnom učenju", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:137373

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:137373
Podaci o radu
NaslovProcjena trenda u financijskim vremenskim nizovima zasnovana na strojnom učenju
Naslov (engleski)Machine Learning Based Trend Assessment in Financial Time Series
AutorPetar Jukić
MentorZvonko Kostanjčar (mentor)
Član povjerenstvaZvonko Kostanjčar (predsjednik povjerenstva)
Član povjerenstvaStjepan Begušić (član povjerenstva)
Član povjerenstvaTomislav Kovačević (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-07-09, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Rad se bavi procjenom trenda u financijskim vremenskim nizovima zasnovano na strojnom učenju. Pregledom dosadašnjih znanstvenih radova na tu temu, prepoznati su problemi definicije uzlaznog/silaznog trenda, tj. oznaka, kao i problemi određivanja značajki i odabira adekvatnog modela. U radu je nad vremenskim nizom cijena dionica konstruiran posmični prozor koji za generiranje značajki i oznaka. U tako definiranom eksperimentalnom postavu, koristeći model nižeg kapaciteta, logističke regresije, isprobani su i uspoređeni različiti načini označavanja trenda. Koristeći odabrani indikator konvergencije/divergencije pomičnog prosjeka, treniran je stroj potpornih vektora, klasifikator većeg kapaciteta. Treniranje i validacija modela napravljena je na povijesnim cijenama dionica Njujorške burze. Uz zadovoljavajuće performanse modela strojnog učenja, predložena strategija trgovanja koja se oslanja na izlaz modela.
Sažetak (engleski)
The paper deals with trend assessment in financial time series based on machine learning. A review of previous scientific work on this topic has revealed problems in defining an upward/downward trend (labels), as well as problems in determining features and an adequate model. A rolling window was constructed to generate features and labels. In the experimental setup thus defined, using a lower capacity model (logistic regression), different ways of labelling the trend were identified and compared. Using the selected moving average convergence/divergence indicator, a higher capacity support vector classifier was trained and validated. The training and validation of the model was performed using NYSE historical stock prices. Upon satisfactory performance of the machine learning model, a trading strategy was proposed based on the trained model output.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:137373
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 pohrane2023-01-14 20:43:18