Neizrazita logika u analizi vremenskih sljedova

diplomski rad

• Naslov (engleski): Fuzzy Logic for the Analysis of Time Sequences
• Autor: Vinko Kolobara
• Mentor: Domagoj Jakobović (mentor)
• Član povjerenstva: Domagoj Jakobović (predsjednik povjerenstva)
• Član povjerenstva: Alan Jović (član povjerenstva)
• Član povjerenstva: Vlado Sruk (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2018-07-12, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Uobičajeni algoritmi analize financijskih vremenskih slijedova uglavnom su temeljeni na pravilima koja signaliziraju optimalno vrijeme ulaska ili izlaska iz pozicije u određenom slijedu. Zbog toga je korišten neizraziti sustav zaključivanja koji također omogućuje definiranje pravila pa i učenje istih uz neki algoritam strojnog učenja, tj. genetski algoritam. Uz primjenu na financijske vremenske slijedove, ispitana je sposobnost učenja neizrazitih pravila i na problemima klasifikacije i regresije. Za svaki od navedenih problema potrebno je definirati poseban genotip i evaluacijsku funkciju, a u slučaju regresije i poseban
način kooperativne koevolucije. Analizira se uspješnost navedenih algoritama u usporedbi s već postojećim algoritmima specijaliziranih za te probleme.

Sažetak (engleski)

The usual algorithms for the analysis of financial time series are mostly based on
rules which signal the optimal time of entry or exit from a position in a specific financial
series. Because of that, fuzzy inference system is used which allows for a similar
definition of rules, and learning the same rules with a machine learning algorithm, genetic
algorithm in this case. Beside the application on the financial time series, the
ability of learning fuzzy rules for classification and regression is also tested. For each
of the aforementioned problems, a specific genotype and evaluation function, or in the
case of regression, even a special way of cooperative coevolution must be defined. The
effectivenes of the algorithms is compared to the existing algorithms tailored for the
problems.

• Ključne riječi: neizrazita logika; vremenski slijedovi; financijski vremenski slijedovi; strojno učenje; genetski algoritam; evolucijski algoritmi; koevolucija
• Ključne riječi (engleski): fuzzy logic; time series; financial time series; machine learning; genetic algorithm; evolutionary algorithms; coevolution
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:800255
• 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: 2019-03-13 21:39:54