Uporaba metod strojnega učenja za napovedovanje delniških donosovBreskvar, Žan Mark (Avtor) Faganeli Pucer, Jana (Mentor) metode strojnega učenjanaključni gozd''gradient boosting''Lassomesečni donosiindeks S&P 500V diplomski nalogi smo raziskovali učinkovitost metod strojnega učenja, in sicer metodo naključnega gozda, ''gradient boosting'' in Lasso, pri napovedovanju mesečnih donosov indeksa S&P 500. Naša analiza je temeljila na različnih naborih podatkov, ki vključujejo tehnične, temeljne in ekonomske značilke. Ugotovili smo, da so se tehnični podatki izkazali za najkoristnejše, ekonomski pa so pokazali najslabše rezultate. Med uporabljenimi modeli je Lasso dosegel najboljše rezultate, medtem ko so bili rezultati metode naključnega gozda in ''gradient boosting'' primerljivi. Kljub temu, da napovedovanje donosov na podlagi različnih naborov podatkov ni dalo dobrih rezultatov, smo ugotovili, da je možno z uporabo dolgo-kratke strategije pravilno izbirati delnice, katerim bo cena padla in katerim narastla.20232023-08-21 17:14:57Diplomsko delo/naloga148388VisID: 36905COBISS_ID: 158274819sl