Podržano učenje za donošenje odluka na financijskim tržištima

diplomski rad

• Naslov (engleski): Reinforcement Learning for Decision Making in Financial Markets
• Autor: Mia Barišić
• Mentor: Zvonko Kostanjčar (mentor)
• Član povjerenstva: Zvonko Kostanjčar (predsjednik povjerenstva)
• Član povjerenstva: Tomislav Petković (član povjerenstva)
• Član povjerenstva: Juraj Petrović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-16, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Elektrotehnika

Sažetak

U višeperiodnom trgovanju sa stvarnim utjecajima tržišta, određivanje dinamičke strategije trgovanja koja optimizira očekivanu korisnost konačne imovine zahtjevan je problem. Ovaj se rad bavi pitanjem mogućnosti učenja algoritma strojnog učenja da se ponaša kao racionalan investitor nesklon riziku, uz iskorištavanje mogućnosti arbitraže i uzimanje u obzir troškova trgovanja. Q-učenje (eng. Q-Learning) je tehnika podržanog učenja kojom agent razvija optimalnu politiku za maksimizaciju nagrade. Agent odabire akciju a_t – da prodaje, zadržava ili kupuje dionice. Izvršavanjem te akcije u trenutku t mijenja svoju poziciju u n_t i prelazi u novo stanje s_t te pri tome na temelju promjene vrijednosti portfelja prima nagradu r_t. Taj se postupak iterativno odvija određen broj epizoda koje sadrže određen broj koraka. „Proizvod“ treniranja agenta je Q-tablica – skup uputstava agentu koji mu govori koju akciju je najpametnije poduzeti u trenutnom stanju.

Sažetak (engleski)

In multi-period trading with realistic market impact, determining the dynamic trading strategy for maximization of expected utility is a demanding problem. This paper deals with possibility of teaching the algorithm to act as rational risk-averse investor, while exploiting the arbitrage and taking into account the trading costs. Q-learning is reinforcement learning method when agent develops optimal policy for reward maximization. Agent chooses an action a_t – to sell, hold or buy shares. By executing the chosen action at time t, agent changes the total of his holdingas, ransfers to new state s_t and receives the reward r_t. This process iterates over the number of episodes, while which episode consists of a numer of steps. The final product of agent tarining is the Q-table – a set of instructions which gives the agent an information which action is the best one to take while being in current state.

• Ključne riječi: podržano učenje; financijsko tržište; Q-učenje; Markovljev proces; optimalna strategija
• Ključne riječi (engleski): reinforcement learning; financial market; Q-learning; Markov decision process; optimal strategy
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:482681
• Studijski program: Naziv: Elektrotehnika i informacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (mag. ing. el. techn. inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 09:44:02