Adatalapú döntéshozatal gépi tanulás eszközökkel tőzsdei adatokon
A Szakdolgozatban bemutatjuk a gépi tanulás rövid elméleti hátterét és részletesen foglalkozunk a tudományág egy részterületével, a visszacsatolásos tanulással. Ennek során egy agent-et bíztunk meg azzal, hogy egy Markov láncként formalizált környezetben hozzon döntéseket, miközben egy előre definiá...
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Manuscript essay |
| Language: | Hungarian |
| Published: |
2020-11-28
|
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| LEADER | 02589nta a2200157 i 4500 | ||
|---|---|---|---|
| 001 | dipl7294 | ||
| 005 | 20201129201639.0 | ||
| 008 | 201129s2020 hu om 0|| hun d | ||
| 040 | |a Soproni Egyetem Diplomamunka Repozitórium |b hun | ||
| 100 | 1 | |a Csanaki Richárd | |
| 245 | 1 | 0 | |a Adatalapú döntéshozatal gépi tanulás eszközökkel tőzsdei adatokon |h [elektronikus dokumentum] / |c Richárd Csanaki |
| 246 | 1 | 0 | |a Data-based decision making with machine learning tools on equity market data |h [elektronikus dokumentum] |
| 260 | |c 2020-11-28 | ||
| 520 | 3 | |a A Szakdolgozatban bemutatjuk a gépi tanulás rövid elméleti hátterét és részletesen foglalkozunk a tudományág egy részterületével, a visszacsatolásos tanulással. Ennek során egy agent-et bíztunk meg azzal, hogy egy Markov láncként formalizált környezetben hozzon döntéseket, miközben egy előre definiált, domain specifikus jutalom függvényt hosszú távon maximalizál. A jutalom függvény kimeneteivel tudjuk értékelni az ún. Q-függvényt, amely a visszacsatolásos tanulásban használatos policy (π) függvény egy fajtája. Paraméterei a vizsgált környezet aktuális állapota és az aktuálisan végrehajtandó lépés, így definiálva az agent számára, hogy adott szituációban, állapotban, milyen lépést tegyen. A Q-függvényeket használó Q-learning módszer alapvetően egy modell nélküli tanulási megközelítés, azonban a dolgozatban ennek egy továbbfejlesztett verziójával dolgozunk, amelyben kettő neurális háló párhuzamosan tanul egymástól, a kettő modell közötti kommunikációt biztosító agent segítségével. A módszert egy gyakorlati feladatban implementáltuk, ahol két hat rétegű Long Short-Term Memory architektúrájú neurális háló tanul egymástól azért, hogy meghatározzanak egy optimális értékpapír befektetési stratégiát a bemeneti, 2 attribútumból (zárási árfolyam, napi kereskedett volumen) álló adathalmaz alapján. A gyakorlati feladatban több megközelítést is kipróbáltunk: egyéni részvényekkel való kereskedés, index fund részvényekkel való kereskedés és egy szektorba tartozó részvényekkel történő kereskedés azért, hogy egy modellt tudjunk alkalmazni több részvénnyel lefolytatott ügyletekhez. Az egyéni részvények esetén stabil profitrátát értünk el, míg azon adathalmazokon, amelyek több részvényt tartalmaztak, volatilis hozamokat tapasztaltunk. | |
| 700 | 1 | |a Pödör Zoltán |e ths | |
| 856 | 4 | 0 | |u http://diploma.uni-sopron.hu/7294/1/Szakdolgozat_Csanaki_Rich%C3%A1rd.pdf |z Dokumentum-elérés |