Napovedovanje vrednosti finančnih tokov s spodbujevanim in globokim učenjemBogataj, Fedja (Avtor) Bosnić, Zoran (Mentor) spodbujevano učenjegloboko učenjepovratne nevronske mrežeNapovedovanje vrednosti finančnih tokov je eden od najbolj zahtevnih problemov strojnega učenja, saj zgodovinski podatki o gibanju vrednosti vsebujejo veliko šuma in so nestabilni. Trenutni pristopi se osredotočajo na uporabo spodbujevanega učenja in uporabo nevronskih mrež za predvidevanje naslednjih akcij. V tej diplomski nalogi bomo raziskali uporabo povratnih nevronskih mrež za opravljanje teh funkcij in jih med seboj primerjali. Primerjali bomo delovanje nevronske mreže s plastmi LSTM, ki so se že izkazale za zelo obetajoče tako na področju predvidevanja finančnih tokov kot igranja iger, ter nevronske mreže s plastmi GRU, uporaba katerih še ni bila dobro raziskana, in obe primerjali z usmerjeno nevronsko mrežo. Z uporabo povratnih nevronskih mrež želimo bolje zajeti časovne odvisnosti in vzorce v podatkih, prav tako pa nam bo to tudi omogočilo, da za napovedovanje naslednje akcije uporabimo večje število podatkov (iz preteklih časovnih intervalov) za doseganje večje točnosti. Rezultati naših eksperimentov kažejo, da se v obdobju med leti 2019 in 2024 na večini finančnih instrumentov najbolje izkaže agent z usmerjeno nevronsko mrežo, pri finančnih instrumentih z velikimi in nenadnimi spremembami cen pa se najbolje izkaže agent s plastmi GRU.20242024-09-25 14:35:09Diplomsko delo/naloga162599VisID: 37479COBISS_ID: 214394627sl