<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=85184"><dc:title>Sistem za avtomatizirano trgovanje z uporabo strojnega učenja, rudarjenja podatkovnih tokov in tehnične analize trgovanja</dc:title><dc:creator>Fortuna,	Rok	(Avtor)
	</dc:creator><dc:creator>Jurič,	Branko Matjaž	(Mentor)
	</dc:creator><dc:creator>Šubelj,	Lovro	(Komentor)
	</dc:creator><dc:subject>avtomatski trgovalni sistemi</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>umetne nevronske mreže</dc:subject><dc:subject>k-najbližjih sosedov</dc:subject><dc:subject>naivni Bayesov klasifikator</dc:subject><dc:subject>tehnična analiza trgovanja</dc:subject><dc:description>Digitalno trgovanje z dobrinami (delnicami, valutami itd.) danes močno izpodriva klasično trgovanje, saj se je veliko borz preselilo v oblak. Računalnik poskrbi za izmenjavo dobrin, hkrati pa lahko tudi samostojno trguje. Avtomatski trgovalni sistem je računalniški sistem, ki trguje z dobrinami brez posredovanja človeka. Tak pristop poleg objektivnosti in empiričnosti odločitev omogoča hitre izvršitve kupčij, ki so ključne za uspeh. V diplomski nalogi raziskujemo avtomatske trgovalne sisteme in njihov način delovanja. Naredimo pregled področja tehnične analize trgovanja, ki se ukvarja s kvantificiranjem gibanja cen na trgu. Definiramo problem trgovanja z vidika nadzorovanega strojnega učenja in rudarjenja podatkovnih tokov. S področja strojnega učenja posebej izpostavimo algoritem k-najbližjih sosedov, umetne nevronske mreže in naivni Bayesov klasifikator. S pomočjo omenjenih algoritmov in podatkov, pridobljenih z metodami tehnične analize trgovanja, zasnujemo avtomatski trgovalni sistem. S simulacijo ga ovrednotimo na realnem gibanju cen kriptovalute Bitcoin in kriptovalute Litecoin. Avtomatsko trgovanje se z vidika strojnega učenja izkaže za zelo zahteven problem. Kljub temu nam uspe, z uporabo algoritma k-najbližjih sosedov in umetnih nevronskih mrež, doseči zadovoljivo napovedno uspešnost in posledično profitabilnost.</dc:description><dc:date>2016</dc:date><dc:date>2016-09-14 11:25:01</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>85184</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>