| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva

Naslov:Avtomatiziran sistem za borzno trgovanje : diplomsko delo
Avtorji:Celcer, Matevž (Avtor)
Korže, Danilo (Mentor) Več o mentorju... Novo okno
Borovič, Mladen (Komentor)
Datoteke:.pdf UN_Celcer_Matevz_2019.pdf (1,38 MB)
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga (mb11)
Tipologija:2.11 - Diplomsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Namen diplomskega dela je bila raziskava in implementacija sodobnih načinov predvidevanja prihodnjih vrednosti delnic. Razloženi so koncepti borznega in avtomatiziranega trgovanja in japonske svečke. Uporabljeni so bili algoritmi RNN, AR, MA in ARIMA. Izdelek je napisan v celoti v programskem jeziku Python, ključni moduli za razvoj so bili Numpy, Pandas, Statsmodels in Keras. Uporabljena je bila verzija Python 3.7.1.
Ključne besede:časovne vrste, avtoregresivna časovna vrsta, AR, tekoče povprečje MA, ARIMA, ponavljajoče se nevronske mreže, RNN, avtomatizirano borzno trgovanje, japonske svečke
Leto izida:2019
Kraj izvedbe:Maribor
Založnik:[M. Celcer]
Št. strani:VII, 40 f.
Izvor:Maribor
UDK:336.717.71:681.5(043.2)
COBISS_ID:22792726 Povezava se odpre v novem oknu
NUK URN:URN:SI:UM:DK:TCQZWV9R
Licenca:CC BY-NC 4.0
To delo je dosegljivo pod licenco Creative Commons Priznanje avtorstva-Nekomercialno 4.0 Mednarodna
Število ogledov:50
Število prenosov:10
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
Področja:KTFMB - FERI
:
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:AddThis
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Sekundarni jezik

Jezik:Angleški jezik
Naslov:System for automated stock trading
Opis:The purpose of the diploma thesis was to research and implement modern ways of predicting future stock values. The concepts of stock exchange, automated trading and Japanese candles are explained. The algorithms used were RNN, AR, MA and ARIMA. The product is written entirely in Python and key modules for development were Numpy, Pandas, Statsmodels and Keras. The Python version used was Python 3.7.1.
Ključne besede:Time series, Autoregressive time series, AR, Moving average MA, ARIMA, Recurrent neural networks, RNN, Automated stock trading, candlestick charts


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici