Студент Рачунарског факултета Милош Милуновић је 8. октобра 2020. године одбранио дипломски рад на тему „Примена алгоритама дубоког учења у предвиђању цена акција на берзи“ пред комисијом коју су чинили: ментор др Немања Илић и члан др Душан Вујошевић.
„Финансијски сектор је тренутно одговоран за трећину светске економије и предвиђа се да ће наставити раст од 6% годишње и тиме достићи 26.5 милијарди долара до 2022. године. Са огромним напретком у области информационих технологија јавља се потреба за интегрисањам ове две привредне гране. Сам сектор који се бави употребом информационих технологија у финансијама (fintech) расте 22.8% годишње. Узевши у обзир упоредне напретке у области дубоког учења, јасно је да све више компанија и истраживача покушавају да упосле алгоритме дубоког учења за решавање проблема финансијског сектора. Берза, као кључна компонента светске економије а посебно финансијског сектора, је посебно интересантна истраживачима због многобројних фактора који утичу на њу. Употребом дубоких неуралних мрежа за предвиђање цена акција на берзи и доношење одлука, можемо креирати потпуно аутономне системе за трговину акцијама.
У овом раду ћемо представити неколико алгоритама дубоког учења за предвиђање цена акција на скуповима података о акцијама великих технолошких компанија као што су Google, Apple, Microsoft… Алгоритми који су упоређени су XGBoost, дубока неурална мрежа, рекурентне неуралне мреже са LSTM и GRU ћелијама, као и Deep Q-Learning алгоритам за аутономног агента за трговину. Упоредићемо ове алгоритме на последњих десет година података.“ – наведено је у апстракту.
„Проблем предвиђања цена акција на берзи може се решити великим бројем метода како традиционалног машинског учења тако и дубоког учења. Због увођења нових обележја на основу доменског знања, алгоритми као што су XGBoost дају нешто боље резултате од једноставне вишеслојне неуралне мреже. Ипак, време потребно за припрему података и извршавање је знатно веће код XGBoost-а наспрам обичних неуралних мрежа. Иако рекурентне неуралне мреже које користе LSTM и GRU ћелије имају бољу способност закључивања дугорочних зависности, коришћењем релативно једноставних алгоритама дубоког учења, можемо веома добро предвидети краткорочне цене. Ако узмемо у обзир како функционише сама трговина акцијама на берзи, ово нам је више него довољно да направимо систем који ће научити када да купи, када да прода, а када да задржи акцију тако да оствари завидан профит.
Овакви системи се дефинитивно могу унапредити, за почетак увођењем техничких индикатора у скуп feature-а за неуралне мреже. Такође, додавањем могућности „кратке продаје” акција (short selling) цео проблем добија потпуно нову димензију. Овиме бисмо омогућили систему да профитира чак и када цена акција опада. Такође, употребом алгоритама за обраду и разумевање природног језика, можемо проширити систем тако да анализира информације доступне на друштвеним мрежама, онлине порталима и осталим изворима информација. У будућности, дубоко учење ће се све више користити у финансијама, како за анализу ризика и управљање портфолиом тако и за потпуно аутономне системе за трговину акцијама на берзи.“ – закључио је Милош.
Фотографије са одбране налазе се у галерији.