prikaz prve stranice dokumenta Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa
  Preuzmi
PDF 1.49 MB
diplomski rad
Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa
Zadar: Sveučilište u Zadru, 2018. urn:nbn:hr:162:863920
Botunac, Ive
Sveučilište u Zadru
Odjel za ekonomiju

Institucijski repozitorij: Digitalni repozitorij Sveučilišta u Zadru

Citirajte ovaj rad

Botunac, I. (2018). Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa (Diplomski rad). Zadar: Sveučilište u Zadru. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:162:863920

Botunac, Ive. "Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa." Diplomski rad, Sveučilište u Zadru, 2018. https://urn.nsk.hr/urn:nbn:hr:162:863920

Botunac, Ive. "Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa." Diplomski rad, Sveučilište u Zadru, 2018. https://urn.nsk.hr/urn:nbn:hr:162:863920

Botunac, I. (2018). 'Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa', Diplomski rad, Sveučilište u Zadru, citirano: 28.12.2024., https://urn.nsk.hr/urn:nbn:hr:162:863920

Botunac I. Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa [Diplomski rad]. Zadar: Sveučilište u Zadru; 2018 [pristupljeno 28.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:162:863920

I. Botunac, "Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa", Diplomski rad, Sveučilište u Zadru, Zadar, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:162:863920

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:162:863920
Podaci o radu
NaslovPrimjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa
Naslov (engleski)Applying machine learning methods to predict the movement of stock market index
AutorIve Botunac
MentorAnita Peša (mentor)
MentorAnte Panjkota (komentor)
Član povjerenstvaAnita Peša (predsjednik povjerenstva)
Član povjerenstvaIvica Zdrilić (član povjerenstva)
Član povjerenstvaBerislav Bolfek (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zadru
(Odjel za ekonomiju)
Zadar
Datum i država obrane2018-07-16, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Ekonomija
Organizacija i menadžment
Sažetak
Predviđanja na tržištu kapitala jedan su od izazova kako za trgovce tako i za istraživače zbog svoje nelinearne i nestabilne strukture. S razvojem računalnih znanosti i informacijskih tehnologija nastaju novi pristupi temeljeni na strojnom učenju za poboljšanje procesa vezanih za trgovanja na tržištu kapitala. Ove nove metode prvenstveno su vezane za razvoj modela za predviđanje trendova pojedinih dionica ili burzovnih indeksa. U ovom radu korištene su povratne neuronske mreže (RNN) za predviđanje vrijednosti burzovnih indeksa (Dow Jones i NASDAQ) i za predviđanje kretanja trenda burzovnih indeksa u obliku binarne klasifikacije (porast/pad ili gore/dolje). U navedenim zadatcima korišteno je pet različitih kombinacija ulaznih varijabli za model RNN: zaključna vrijednost indeksa, zaključna vrijednost indeksa s tehničkim indikatorima, zaključna vrijednost indeksa s naslovima Reuters portala novosti, zaključna vrijednost indeksa s FinSentS sentiment podatcima i zaključna vrijednost indeksa s tehničkim indikatorima, naslovima Reuters portala novosti i s FinSentS sentiment podatcima. Svi provedeni eksperimenti dali su rezultate usporedive s rezultatima dostupnih, relevantnih znanstvenih članaka. Najbolji rezultat u predviđanju vrijednosti burzovnog indeksa i predviđanja kretanja trenda u obliku gore/dolje dobiveni su kombinacijom RNN sa zaključnom vrijednosti burzovnog indeksa i FinSentS sentiment podatcima. Ovi rezultati otvaraju prostor za brojne druge primjene koje koriste tehnike strojnog učenja za razvoj strategija trgovanja i sustava za automatizirano trgovanje.
Sažetak (engleski)
Stock market predictions constitute one of the challenges for traders and explorers due to its nonlinear and unstable structure. With the developments in computer science and information technology, new approaches are arising based on machine learning to improve the processes related to stock market trading. These novel methods are primarily directed towards the development of models for the prediction of trends of the particular stock values or stock indexes. In this paper, recurrent neural networks (RNN) have been used for stock index values forecasting (Dow Jones and NASDAQ) and for predicting stock indexes trends in the form of binary classification (rising/falling or up/down). Five different combinations of input variables for RNN were used in mentioned tasks: closing index values, closing index values with technical indicators, closing index values with Reuters News titles classes, closing index values with FinSentS sentiments, and closing index values with Reuters News titles classes and FinSentS sentiments. All conducted experiments produced results comparable with the results in the accessible, relevant scientific articles. Best results in forecasting stock index values and predicting future trends in the form of up/down classes were obtained by combining RNN with closing values and FinSentS sentiments. These results are opening a space for numerous other applications which are using machine learning techniques in the tasks for developing of the trading strategy and systems for automated trading
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:162:863920
Studijski programNaziv: Menadžment
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra ekonomije (mag. oec.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2018-09-05 07:42:02