Predikcija cijena dionica umjetnom inteligencijom

diplomski rad

• Naslov (engleski): Prediction of stock prices by artificial intelligence
• Autor: Krešimir Baković
• Mentor: Vinko Lešić (mentor)
• Član povjerenstva: Vinko Lešić (predsjednik povjerenstva)
• Član povjerenstva: Mato Baotić (član povjerenstva)
• Član povjerenstva: Branimir Novoselnik (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-06, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Elektrotehnika

Sažetak

Tržište vrijednosnih papira je jedno od najpromatranijih te najvećih tržišta općenito te kao takvo privlači brojne investitore. Upravo navedeno omogućava moguće ostvarivanje profita tj. zaradu. S ciljem predikcije kretanja cijene dionice, u ovom diplomskom radu izrađena su 2 modela koji vrše predikciju za 1 dan unaprijed. Programska podrška za modele izvedena je kao Python skripta unutar virtualnog okruženja PyCharm. Oba modela vrše predikciju zaključne cijene dionica američkih tvrtki Tesla i Twitter na temelju prošlih zaključnih cijena, prodajnog volumena te derivacije cijene dionice. Kao korišteni modeli koristili su se GRU i LGBM model te su oba modela dali zadovoljavajuće rezultate koji govore kako bi se modeli mogli koristiti kao pomoćni alat pri trgovanju. Srednja apsolutna greška za GRU iznosi 1.2325 dok je ona za LGBM 1.3689.

Sažetak (engleski)

The financial market is one of the most observed and most important markets in general and as such attracts many investors. Precisely the above enables the possible realization of profit. In order to improve the prediction in the movement of the stock price, in this paper 2 models were made that perform prediction for 1 day in advance. Model software is implemented as a Python script within the PyCharm virtual environment. Both models predict the closing price of stocks of the American companies Tesla and Twitter based on past closing prices, sales volume and derivation of the stock price. The GRU and LGBM models were used as models and both models gave satisfactory results which suggest that the models could be used as an auxiliary trading tool. The mean absolute error for GRU is 1.2325 while for LGBM is 1.3689.

• Ključne riječi: GRU; LGBM; dionice; cijena; neuronska mreža; Python; RNN; financije; predikcija; umjetna inteligencija
• Ključne riječi (engleski): GRU; LGBM; stocks; price; neural network; Python; RNN; finance; prediction; artificial inteligence
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:374452
• 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 11:42:57