prikaz prve stranice dokumenta Neuronske mreže i stabla odlučivanja za predviđanje cijene dionica Kraš-a
Pristup korisnicima matične ustanove
diplomski rad
Neuronske mreže i stabla odlučivanja za predviđanje cijene dionica Kraš-a
2017. urn:nbn:hr:145:621349
Babić, Darija
Sveučilište Josipa Jurja Strossmayera u Osijeku
Ekonomski fakultet u Osijeku
Katedra za kvanititavne metode i informatiku

Citirajte ovaj rad

Babić, D. (2017). Neuronske mreže i stabla odlučivanja za predviđanje cijene dionica Kraš-a (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Ekonomski fakultet u Osijeku. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:145:621349

Babić, Darija. "Neuronske mreže i stabla odlučivanja za predviđanje cijene dionica Kraš-a." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Ekonomski fakultet u Osijeku, 2017. https://urn.nsk.hr/urn:nbn:hr:145:621349

Babić, Darija. "Neuronske mreže i stabla odlučivanja za predviđanje cijene dionica Kraš-a." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Ekonomski fakultet u Osijeku, 2017. https://urn.nsk.hr/urn:nbn:hr:145:621349

Babić, D. (2017). 'Neuronske mreže i stabla odlučivanja za predviđanje cijene dionica Kraš-a', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Ekonomski fakultet u Osijeku, citirano: 12.04.2024., https://urn.nsk.hr/urn:nbn:hr:145:621349

Babić D. Neuronske mreže i stabla odlučivanja za predviđanje cijene dionica Kraš-a [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Ekonomski fakultet u Osijeku; 2017 [pristupljeno 12.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:145:621349

D. Babić, "Neuronske mreže i stabla odlučivanja za predviđanje cijene dionica Kraš-a", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Ekonomski fakultet u Osijeku, Osijek, 2017. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:145:621349

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:145:621349
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovNeuronske mreže i stabla odlučivanja za predviđanje cijene dionica Kraš-a
Naslov (engleski)NEURAL NETWORKS AND DECISION TREES FOR PREDICTION STOCK PRICES KRAŠ
AutorDarija Babić
MentorMarijana Zekić Sušac (mentor)
Član povjerenstvaMarijana Zekić Sušac (predsjednik povjerenstva)
Član povjerenstvaĐula Borozan (član povjerenstva)
Član povjerenstvaNataša Šarlija (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Ekonomski fakultet u Osijeku
(Katedra za kvanititavne metode i informatiku)
Osijek
Datum i država obrane2017-09-06, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Ekonomija
Poslovna informatika
Sažetak
Rad se bavi kreiranjem neuronske mreže i stabla odlučivanja kao i od analize neuronske mreže i analize stabla odlučivanja u svrhu predviđanja cijena dionica Kraš-a. Model je kreiran s ulaznim varijablama kao što su cijena otvaranja i cijena zatvaranja dionice na određeni dan, najniže i najviše cijene dionice na određeni dan, prosječne cijene dionice za određeni dan, promjene cijene u odnosu na prethodni dan, broja obavljenih transakcija, količine prodanih dionica, ukupnog prometa za dan, ekonomičnosti ukupnog poslovanja, rentabilnosti imovine te koeficijentom obrta ukupne imovine. Za izlaznu varijablu korištena je cijena zatvaranja dionice sljedeći dan koja je podijeljena u 3 grupe (niska, srednja, visoka). Pomoću programskog paketa Statistica dobiveni su i opisani rezultati. Za izradu modela neuronske mreže koristile su se logistička aktivacijska funkcija i tangens aktivacijska funkcija. Dobiveni rezultati pokazali su da logistička i tangens aktivacijska funkcija imaju jednaku stopu točnosti (77,08%), dok stablo odlučivanja generira stopu točnosti od 100%, stoga se pokazalo kao uspješniji model.
Sažetak (engleski)
The work is about creating neural network and decision tree, but also about the analysis of neural network and decision tree for the purpose of predicting Kraš stock prices. The model is created using input variables such as the price of an opening stock and the price of a closing stock for a certain day, the highest and the lowest stock prices on a particular day, average stock prices for a particular day, changes of the price regarding to the previous day, numbers of the processed transactions, quantity of the selled stocks, total traffic for a day, cost-effectiveness of total business, rentability of assets and trade coefficient of total assets. The price of the closing stock the next day, divided into three groups (low, medium, high), was used as an output variable. The results were given and described with the help of software package Statistica. Logistic activation function and tangent activation function were used for making a model of the neural network. The given results showed that logistic and tangent activation function have the same accuracy rate (77,08%), while decision tree generates the accuracy rate at 100%. Decision tree has proved to be a more successful model.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:145:621349
Studijski programNaziv: Poslovna ekonomija; smjerovi: Poslovna informatika
Smjer: Poslovna informatika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: Magistar/magistra ekonomije (mag.oec.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2017-10-10 14:51:14