prikaz prve stranice dokumenta Usporedba neuronskih mreža i ARIMA modela za predviđanje prinosa Bitcoina
Pristup korisnicima matične ustanove
diplomski rad
Usporedba neuronskih mreža i ARIMA modela za predviđanje prinosa Bitcoina
2024. urn:nbn:hr:124:204226
Orlović, Tomislav
Sveučilište u Splitu
Ekonomski fakultet

Citirajte ovaj rad

Orlović, T. (2024). Usporedba neuronskih mreža i ARIMA modela za predviđanje prinosa Bitcoina (Diplomski rad). Split: Sveučilište u Splitu, Ekonomski fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:124:204226

Orlović, Tomislav. "Usporedba neuronskih mreža i ARIMA modela za predviđanje prinosa Bitcoina." Diplomski rad, Sveučilište u Splitu, Ekonomski fakultet, 2024. https://urn.nsk.hr/urn:nbn:hr:124:204226

Orlović, Tomislav. "Usporedba neuronskih mreža i ARIMA modela za predviđanje prinosa Bitcoina." Diplomski rad, Sveučilište u Splitu, Ekonomski fakultet, 2024. https://urn.nsk.hr/urn:nbn:hr:124:204226

Orlović, T. (2024). 'Usporedba neuronskih mreža i ARIMA modela za predviđanje prinosa Bitcoina', Diplomski rad, Sveučilište u Splitu, Ekonomski fakultet, citirano: 07.11.2024., https://urn.nsk.hr/urn:nbn:hr:124:204226

Orlović T. Usporedba neuronskih mreža i ARIMA modela za predviđanje prinosa Bitcoina [Diplomski rad]. Split: Sveučilište u Splitu, Ekonomski fakultet; 2024 [pristupljeno 07.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:124:204226

T. Orlović, "Usporedba neuronskih mreža i ARIMA modela za predviđanje prinosa Bitcoina", Diplomski rad, Sveučilište u Splitu, Ekonomski fakultet, Split, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:124:204226

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:124:204226
Podaci o radu
NaslovUsporedba neuronskih mreža i ARIMA modela za predviđanje prinosa Bitcoina
AutorTomislav Orlović
MentorTea Šestanović (mentor)
Član povjerenstvaBranka Marasović (predsjednik povjerenstva)
MBZ: 274372
Član povjerenstvaŠime Jozipović (član povjerenstva)
MBZ: 383123
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Ekonomski fakultet
Split
Datum i država obrane2024, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Ekonomija
Kvantitativna ekonomija
Sažetak
Primarni cilj ovog rada i istraživanja je usporediti neuronske mreže i ARIMA modele korištene za predviđanje prinosa Bitcoina, istražiti modele i metode korištene u predviđanju prinosa kriptovaluta, kao i čimbenike koji utječu na kretanje cijena. U empirijskom dijelu rada korišteni su ARIMA modeli koji se inače koriste za prognoziranje vremenskih nizova, a dobiveni rezultati uspoređeni su s rezultatima metoda prognoziranja temeljenih na jednostavnim matematičkim modelima mozga – umjetnim neuronskim mrežama. Neuronsku mrežu koja je prikladna za korištenje kod vremenskih nizova zovemo neuronska mreža autoregresije ili NNAR model. Korišteni interni faktori i makrofinancijski podaci od siječnja 2016. do lipnja 2024. podijeljeni su na podatke za treniranje neuronske mreže i podatke za testiranje prediktivnih sposobnosti neuronske mreže i ARIMA modela. Dok se prihvaća hipoteza da modeli s uključenim dodatnim varijablama imaju bolje prediktivne sposobnosti u odnosu na iste modele bez uključenih dodatnih varijabli, hipoteza da NNAR modeli imaju bolje prediktivne sposobnosti u odnosu na ARIMA modele se samo parcijalno može prihvatiti.
Sažetak (engleski)
The primary goal of this paper is to compare neural networks and ARIMA models used to predict Bitcoin returns, explore the models and methods used in cryptocurrency return prediction, as well as the factors that affect price movements. In the empirical part of the work, ARIMA models, that are normally used for forecasting time series, were used, and the obtained results were compared to the results of forecasting methods based on simple mathematical models of the brain – artificial neural networks. A neural network that is suitable for use with time series is called an autoregressive neural network or NNAR model. The internal factors and macro-financial data from January 2016 to June 2024 were used and divided into data for training the neural network and data for testing the predictive capabilities of the neural network and ARIMA model. While the hypothesis that models with selected variables have better predictive capabilities compared to the same models without additional variables included is accepted, the hypothesis that NNARX has better predictive capabilities compared to ARIMA models is only partialy confirmed.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:124:204226
Studijski programNaziv: Poslovna ekonomija
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: sveučilišni magistar ekonomije (univ. mag. oec.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-10-01 17:44:19