Model visokofrekventnih financijskih vremenskih nizova zasnovan na strojnom učenju

diplomski rad

• Naslov (engleski): Machine Learning Based Model for High-frequency Financial Time Series
• Autor: Jure Rezić
• 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; Računarstvo

Sažetak

U sklopu ovog diplomskog rada razvijen je model zasnovan na strojnom učenju financijskih vremenskih nizova dobiven iz visokofrekventnih podataka o trgovanju. Iz sirovih podataka s burze Bitstamp rekonstruirani su vremenski nizovi različitih frekvencija. U tim vremenskim nizovima izračunate su značajke koje su služile kao ulaz u model, a predstavljaju dinamiku i statistička svojstva promatranih nizova. Razvijeni model korišten je prvo za predikciju volatilnosti, koja omogućava predviđanje rizika i promjenu smjera kretanja, a zatim za predviđanje iznosa povrata na danom vremenskom intervalu.

Sažetak (engleski)

As part of this thesis, a machine learning based model of high-frequency financial time series obtained from high-frequency trading data was developed. Time series of different frequencies were reconstructed using raw data from the Bitstamp exchange. In these time series, the features that served as an input to the machine learning model were calculated, and they represent the dynamics and statistical properties of the observed series. The developed model was used first to predict volatility, which allows to predict risk and change of the direction of price movement, and then to predict the amount of return on a given time interval.

• Ključne riječi: strojno učenje; model; visokofrekventni financijski vremenski nizovi; statistika; financije; autokorelacija; volatilnost; povrat; regresija; klasifikacija; neuronske mreže; Bitcoin; kriptovaluta
• Ključne riječi (engleski): machine learning; model; high-frequency financial time series; statistics; finance; autocorrelation; volatility; return; regression; classification; neural networks; Bitcoin; cryptocurrency
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:248358
• 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: 2023-01-13 13:42:43