Usporedba korištenja tehnika dubokog podržanog učenja i klasične metode za optimizaciju portfelja

diplomski rad

• Naslov (engleski): Comparison of the reinforcement learning and classical techniques for portfolio optimization
• Autor: Marin Stojsavljević
• Mentor: Mario Brčić (mentor)
• Član povjerenstva: Mario Brčić (predsjednik povjerenstva)
• Član povjerenstva: Ivica Botički (član povjerenstva)
• Član povjerenstva: Danijel Mlinarić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-08-30, Hrvatska

Sažetak

Ovaj rad uspoređuje dvije različite metode za generiranje portfelja klasa imovine koristeći povijesne cijene američkih tvrtki. Metoda optimizacije srednje vrijednosti i varijance je tradicionalna metoda koja već dugo služi za svrhu generiranja portfelja, dok je duboko podržano učenje relativno nova metoda koja je znatno dobila na popularnosti u posljednjih nekoliko godina zbog njene široke primjene i velikih mogućnosti u raznim područjima. Pokazano je da na istom skupu dionica tehnika dubokog podržanog učenja ostvaruje znatno bolje rezultate od metode optimizacije srednje vrijednosti i varijance, posebno u smislu volatilnosti. Time je pokazan veliki potencijal koji sadrži podržano učenje u financijskoj domeni. U radu se detaljno opisuje arhitektura dubokog podržanog učenja koja se koristila u ovu svrhu.

Sažetak (engleski)

This paper compares two different methods for generating portfolios of assets using historical prices of US companies. The mean-variance optimization method is a traditional method that has long served the purpose of portfolio generation, while deep reinforcement learning is a relatively new method that has gained considerable popularity in the last few years due to its wide application and great possibilities in various fields. It is shown that on the same set of stocks, the deep reinforcement learning technique achieves significantly better results than the mean and variance optimization method, especially in terms of volatility. This shows the great potential of reinforcement learning in the financial domain. The paper describes in detail the deep reinforcement learning architecture used for this purpose.

• Ključne riječi: duboko podržano učenje; metoda optimizacije srednje vrijednosti i varijance; generiranje portfelja
• Ključne riječi (engleski): deep reinforcement learning; mean-variance optimization; portfolio generation
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:177025
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 22:10:05