Student Računarskog fakulteta Miloš Milunović je 8. oktobra 2020. godine odbranio diplomski rad na temu „Primena algoritama dubokog učenja u predviđanju cena akcija na berzi“ pred komisijom koju su činili: mentor dr Nemanja Ilić i član dr Dušan Vujošević.
„Finansijski sektor je trenutno odgovoran za trećinu svetske ekonomije i predviđa se da će nastaviti rast od 6% godišnje i time dostići 26.5 milijardi dolara do 2022. godine. Sa ogromnim napretkom u oblasti informacionih tehnologija javlja se potreba za integrisanjam ove dve privredne grane. Sam sektor koji se bavi upotrebom informacionih tehnologija u finansijama (fintech) raste 22.8% godišnje. Uzevši u obzir uporedne napretke u oblasti dubokog učenja, jasno je da sve više kompanija i istraživača pokušavaju da uposle algoritme dubokog učenja za rešavanje problema finansijskog sektora. Berza, kao ključna komponenta svetske ekonomije a posebno finansijskog sektora, je posebno interesantna istraživačima zbog mnogobrojnih faktora koji utiču na nju. Upotrebom dubokih neuralnih mreža za predviđanje cena akcija na berzi i donošenje odluka, možemo kreirati potpuno autonomne sisteme za trgovinu akcijama.
U ovom radu ćemo predstaviti nekoliko algoritama dubokog učenja za predviđanje cena akcija na skupovima podataka o akcijama velikih tehnoloških kompanija kao što su Google, Apple, Microsoft… Algoritmi koji su upoređeni su XGBoost, duboka neuralna mreža, rekurentne neuralne mreže sa LSTM i GRU ćelijama, kao i Deep Q-Learning algoritam za autonomnog agenta za trgovinu. Uporedićemo ove algoritme na poslednjih deset godina podataka.“ – navedeno je u apstraktu.
„Problem predviđanja cena akcija na berzi može se rešiti velikim brojem metoda kako tradicionalnog mašinskog učenja tako i dubokog učenja. Zbog uvođenja novih obeležja na osnovu domenskog znanja, algoritmi kao što su XGBoost daju nešto bolje rezultate od jednostavne višeslojne neuralne mreže. Ipak, vreme potrebno za pripremu podataka i izvršavanje je znatno veće kod XGBoost-a naspram običnih neuralnih mreža. Iako rekurentne neuralne mreže koje koriste LSTM i GRU ćelije imaju bolju sposobnost zaključivanja dugoročnih zavisnosti, korišćenjem relativno jednostavnih algoritama dubokog učenja, možemo veoma dobro predvideti kratkoročne cene. Ako uzmemo u obzir kako funkcioniše sama trgovina akcijama na berzi, ovo nam je više nego dovoljno da napravimo sistem koji će naučiti kada da kupi, kada da proda, a kada da zadrži akciju tako da ostvari zavidan profit.
Ovakvi sistemi se definitivno mogu unaprediti, za početak uvođenjem tehničkih indikatora u skup feature-a za neuralne mreže. Takođe, dodavanjem mogućnosti „kratke prodaje” akcija (short selling) ceo problem dobija potpuno novu dimenziju. Ovime bismo omogućili sistemu da profitira čak i kada cena akcija opada. Takođe, upotrebom algoritama za obradu i razumevanje prirodnog jezika, možemo proširiti sistem tako da analizira informacije dostupne na društvenim mrežama, online portalima i ostalim izvorima informacija. U budućnosti, duboko učenje će se sve više koristiti u finansijama, kako za analizu rizika i upravljanje portfoliom tako i za potpuno autonomne sisteme za trgovinu akcijama na berzi.“ – zaključio je Miloš.
Fotografije sa odbrane nalaze se u galeriji.