prikaz prve stranice dokumenta Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa
  Download
PDF 1.49 MB
master's thesis
Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa
2018. urn:nbn:hr:162:863920
Botunac, Ive
University of Zadar
Department of Economics

Cite this document

Botunac, I. (2018). Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa (Master's thesis). Zadar: University of Zadar. Retrieved from https://urn.nsk.hr/urn:nbn:hr:162:863920

Botunac, Ive. "Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa." Master's thesis, University of Zadar, 2018. https://urn.nsk.hr/urn:nbn:hr:162:863920

Botunac, Ive. "Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa." Master's thesis, University of Zadar, 2018. https://urn.nsk.hr/urn:nbn:hr:162:863920

Botunac, I. (2018). 'Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa', Master's thesis, University of Zadar, accessed 30 November 2024, https://urn.nsk.hr/urn:nbn:hr:162:863920

Botunac I. Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa [Master's thesis]. Zadar: University of Zadar; 2018 [cited 2024 November 30] Available at: https://urn.nsk.hr/urn:nbn:hr:162:863920

I. Botunac, "Primjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa", Master's thesis, University of Zadar, Zadar, 2018. Available at: https://urn.nsk.hr/urn:nbn:hr:162:863920

Please login to the repository to save this object to your list.
Metadata
TitlePrimjena metoda strojnog učenja u predviđanju kretanja vrijednosti burzovnog indeksa
Title (english)Applying machine learning methods to predict the movement of stock market index
AuthorIve Botunac
MentorAnita Peša (mentor)
MentorAnte Panjkota (komentor)
Committee memberAnita Peša (predsjednik povjerenstva)
Committee memberIvica Zdrilić (član povjerenstva)
Committee memberBerislav Bolfek (član povjerenstva)
GranterUniversity of Zadar
(Department of Economics)
Zadar
Defense date and country2018-07-16, Croatia
Scientific / art field,
discipline and subdiscipline		SOCIAL SCIENCES
Economics
Organization and Management
Abstract
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.
Abstract (english)
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
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:162:863920
Study programmeTitle: Management
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra ekonomije (magistar/magistra ekonomije)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2018-09-05 07:42:02