Trgovanje na Forex trgu s pomočjo algoritmov strojnega učenjaKošenina, Blaž (Avtor) Štruc, Vitomir (Mentor) Konečnik, Janez (Komentor) Forex trglinearna regresijaBayesova linearna regresijainteligentni agentspodbujevano učenjeDQNTrgovanje na Forex trgu je vsako leto bolj priljubljeno, saj v Sloveniji ni obdavčeno. Na Forex trgu trgujemo z valutnimi pari, na njihovo vrednost pa vpliva ogromno dejavnikov, ki jih težko predvidimo. Največji izziv Forex trga je nedvomno njegova volatilnost. V našem magistrskem delu razvijemo algoritme strojnega učenja, s katerimi lahko pridobimo uporabne informacije za trgovanje na Forex trgu. V okviru magistrskega dela izdelamo regresijski model, ki je sestavljen iz več izhodne Bayesove linearne regresije, s katerim napovedujemo začetno, končno, največjo in najmanjšo ceno v enem dnevu. Model je sposoben napovedovati cene za več dni vnaprej. Z izbranim Bayesovim modelom lahko določimo intervale zaupanja, saj kot rezultat dobimo verjetnostno porazdelitev izhodnih vrednosti. Poleg regresijskega modela razvijemo tudi inteligentnega agenta, ki s spodbujevalnim načinom učenja samodejno sprejema transakcije v simuliranem tržnem okolju Forex trga. Agenta sestavlja algoritem globokega Q-učenja (ang. Deep Q-Learning Network), ki je povzročil revolucijo na področju spodbujevalnega učenja. Predlagani rešitvi ovrednotimo na vseh evro križih med letoma 2010 in 2021. Izkaže se, da je naš regresijski model zadovoljivo deluje zgolj pri napovedovanju cen za en dan vnaprej, kjer ima malenkost slabši rezultat od naivnega modela le pri napovedovanju končne cene. Inteligentni agent doseže boljše rezultate od izhodiščnih strategij. Portfelj agenta se v 11ih letih poviša za 11,7 odstotka. Učenje agenta brez upoštevanja transakcijskih stroškov privede do manj uspešnih rezultatov. Očitno agent z vključenimi transakcijskimi stroški izdela bolj robustno in zanesljivo strategijo ter izvede manj transakcij. Algoritmi strojnega učenja so nepogrešljiv sestavni del robustne trgovalne strategije, kljub temu pa je za dobičkonosno avtonomno trgovanje potrebno veliko znanja, poskusov in procesorske moči.[B. Košenina]20212021-07-01 10:25:00Magistrsko delo/naloga128028UDK: 339:077:004(043.3)VisID: 55581COBISS_ID: 69039363sl