magistrsko delo
Anže Brvar (Avtor), Polona Oblak (Mentor), Blaž Zupan (Komentor)

Povzetek

V magistrskem delu smo raziskovali uspešnost elektronskega trgovanja na valutnem trgu z metodami strojnega učenja.Primerjali smo uspešnost razvitih algoritmov, ki trgujejo s pomočjo objav (tvitov) na Twitterju, in takih, ki za učne podatke uporabijo pretekle vrednosti valutnih tečajev in tehničnih indikatorjev. Za transformacijo besedil v atributni zapis smo poleg znanih metod preizkusili tudi vektorje besed word2vec. Razvite metode transformacije besedil in njihove parametre smo najprej ovrednotili na sorodnem problemu zaznavanja sentimenta tvitov, nato pa jih preizkusili v trgovanju v simulacijskem okolju. Napovedi razvitih metod smo izboljšali z metodami za združevanje napovedi in tako dosegli do 250% vrednost začetnih sredstev pri simulaciji v obdobju zadnjih petih let. V delu poročamo o najprimernejši izbiri parametrov, ki imajo velik vpliv na uspešnost elektronskega trgovanja. Ugotovili smo, da je Twitter bolj primeren vir informacij za uspešno elektronsko trgovanje kot pretekle vrednosti valutnih tečajev.

Ključne besede

valutno trgovanje;forex;twitter;strojno učenje;word2vec;napovedovanje;simulacija;računalništvo;računalništvo in informatika;magisteriji;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [A. Brvar]
UDK: 004.85(043.2)
COBISS: 1536667331 Povezava se bo odprla v novem oknu
Št. ogledov: 974
Št. prenosov: 207
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Algorithmic trading on Forex market with help of a Twitter
Sekundarni povzetek: In this thesis we study the performance of electronic trading algorithms with a help of machine learning methods. We compare the performance of developed trading algorithms that trade based on posts (tweets) on Twitter with those that trade based on historic foreign exchange values and technical indicators. Besides the well known methods for text transformation to attribute notation we also use word2vec word vectors. We evaluate all the developed text transformation methods and their parameters, first on simpler but related tweet sentiment detection problem and later with trading in simulation environment. We improve developed models' predictions with the prediction combining techniques and we achieve up to 250% of initial funds at simulation in the period of last five years. The results show that Twitter is a better source of trading information than foreign exchange rates and technical indicators.
Sekundarne ključne besede: foreign exchange;forex;twitter;machine learning;word2vec;prediction;simulation;computer science;computer and information science;master's degree;
Vrsta datoteke: application/pdf
Vrsta dela (COBISS): Magistrsko delo/naloga
Študijski program: 1000471
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 82 str.
ID: 9064664