Analiza danych finansowych za pomocą narzędzi uczenia maszynowego

dc.contributor.author	Mruk, Artur
dc.date.accessioned	2022-10-20T07:06:38Z
dc.date.available	2022-10-20T07:06:38Z
dc.date.issued	2022-10-20
dc.identifier.issn	6197
dc.identifier.uri	https://repin.pjwstk.edu.pl/xmlui/handle/186319/1737
dc.description.abstract	Praca skupia się na analizie historycznych notowań akcji pod kątem wykrywania anomalii. We wstępie zostało przybliżone wykorzystanie przetwarzania danych w obrębie finansów i giełdy. Następnie opisany został problem występowania anomalii oraz jego odniesienie do rynku akcji. Kluczową częścią pracy są rozdziały opisujące dwie z powodzeniem wykorzystane metody detekcji anomalii w seriach czasowych: algorytm Isolation Forest oraz autoenkoder LSTM. Omówione zostały najważniejsze użyte techniki oraz zaprezentowane poszczególne kroki wykonane podczas analizy zbioru danych wraz wizualizacją ich rezultatów.	pl_PL
dc.language.iso	other	pl_PL
dc.relation.ispartofseries	2021/I/D/9
dc.subject	giełda	pl_PL
dc.subject	notowania	pl_PL
dc.subject	detekcja anomalii	pl_PL
dc.subject	serie czasowe	pl_PL
dc.subject	uczenie maszynowe	pl_PL
dc.subject	Isolation Forest	pl_PL
dc.subject	autoenkoder	pl_PL
dc.subject	sieci nauronowe	pl_PL
dc.subject	LSTM	pl_PL
dc.title	Analiza danych finansowych za pomocą narzędzi uczenia maszynowego	pl_PL
dc.type	Thesis	pl_PL