diplomsko delo
Jakob Cvetko (Avtor), Sašo Karakatič (Mentor)

Povzetek

Zmožnost napovedovanja gibanja cene finančnih instrumentov predstavlja priložnost za visoke zaslužke. Eni izmed tehnični pristopov, ki se na področju finančnega trgovanja že dalj časa uspešno uporabljajo, so metode strojnega učenja. V diplomski nalogi smo se ukvarjali z napovedovanjem cene kriptovalute Bitcoin. Modeliranje smo začeli s pridobivanjem raznih podatkov, povezanih s ceno kriptovalute, in nato z algoritmom XGBoost izdelali napovedni model. Razumevanje napovedi je ključnega pomena, zato smo uporabili razlagalni algoritem SHAP, s katerim smo dobili globlji vpogled v napovedni model. Izkazalo se je, da imajo podatki, neposredno vezani na ceno kriptovalute, največjo vlogo pri napovedi, temu pa sledi indeks strahu in pohlepa.

Ključne besede

kriptovalute;strojno učenje;napovedovanje časovnih vrst;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: [J. Cvetko]
UDK: 004.85:[004.7:336.74](043.2)
COBISS: 155101699 Povezava se bo odprla v novem oknu
Št. ogledov: 305
Št. prenosov: 31
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: External factors in predicting cryptocurrency price with machine learning
Sekundarni povzetek: Ability to forecast the price of financial instruments has a lot of potential for monetary gains through investments. Machine learning methods have been successfully employed in finance as one of technical approaches to financial modelling. The aim of this thesis was to develop a Bitcoin price forecasting model. We started modelling by gathering various data related to Bitcoin. We then used the gathered data with XGBoost algorithm to create a forecast model. To achieve a more in-depth understanding of our model, we used the SHAP algorithm. This allowed us to get more insight into forecasts which are otherwise usually difficult to understand. We concluded that data directly related to cryptocurrency price had the highest importance in forecasting, followed by the fear and greed index.
Sekundarne ključne besede: crypto currency;machine learning;XGBoost;time series forecasting;SHAP;
Vrsta dela (COBISS): Diplomsko delo/naloga
Komentar na gradivo: Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Elektrotehnika
Strani: 1 spletni vir (1 datoteka PDF (VII, 33 f.))
ID: 18391051