Izbor trgovalnega portfelja z uporabo ansambelskih metod strojnega učenjaPodlogar, Jure (Avtor) Košir, Tomaž (Mentor) Cergol, Boris (Komentor) strojno učenjeansambelsko učenjemeta-učenjeizbor portfelja.V tem magistrskem delu je raziskano delovanje ansambelskih metod za izbor trgovalnega portfelja. Algoritmi strojnega učenja se čedalje pogosteje uporabljajo za avtomatizacijo in izboljšanje različnih procesov. Pri uporabi strojnega učenja lahko izbiramo med številnimi različnimi algoritmi, ki pa so za rešitev različnih problemov različno primerni. Izboru neprimernega algoritma se lahko izognemo tako, da uporabimo ansambelske metode stojnega učenja, pri katerih združimo več algoritmov. Poleg predstavitve teoretičnih razlogov za delovanje ansambelskih metod so v tem magistrskem delu izbrane ansambelske metode uporabljene pri implementaciji trgovalne strategije. Trgovalne strategije, ki uporabljajo ansambelske metode, na testni množici podatkov prinašajo znatno višje donose kot primerjalni indeks. Donose povečajo tudi glede na večino algoritmov strojnega učenja, ki so uporabljeni za oblikovanje ansamblov. To nam pokaže, da se lahko s pomočjo ansambelskega učenja vsaj izognemo izboru najmanj primernih algoritmov strojnega učenja za naš problem.20182018-11-08 07:45:01Magistrsko delo/naloga105187UDK: 519.8VisID: 95405COBISS_ID: 18476377sl