prikaz prve stranice dokumenta Neuronske mreže i stabla odlučivanja za klasifikaciju i predviđanje cijene dionica
Access restricted to students and staff of home institution
master's thesis
Neuronske mreže i stabla odlučivanja za klasifikaciju i predviđanje cijene dionica
2017. urn:nbn:hr:145:824008
Škrobak, Marijana
Josip Juraj Strossmayer University of Osijek
Faculty of Economics and Business in Osijek
Chair of Quantitative Methods and Informatics

Cite this document

Škrobak, M. (2017). Neuronske mreže i stabla odlučivanja za klasifikaciju i predviđanje cijene dionica (Master's thesis). Osijek: Josip Juraj Strossmayer University of Osijek, Faculty of Economics and Business in Osijek. Retrieved from https://urn.nsk.hr/urn:nbn:hr:145:824008

Škrobak, Marijana. "Neuronske mreže i stabla odlučivanja za klasifikaciju i predviđanje cijene dionica." Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Economics and Business in Osijek, 2017. https://urn.nsk.hr/urn:nbn:hr:145:824008

Škrobak, Marijana. "Neuronske mreže i stabla odlučivanja za klasifikaciju i predviđanje cijene dionica." Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Economics and Business in Osijek, 2017. https://urn.nsk.hr/urn:nbn:hr:145:824008

Škrobak, M. (2017). 'Neuronske mreže i stabla odlučivanja za klasifikaciju i predviđanje cijene dionica', Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Economics and Business in Osijek, accessed 01 April 2025, https://urn.nsk.hr/urn:nbn:hr:145:824008

Škrobak M. Neuronske mreže i stabla odlučivanja za klasifikaciju i predviđanje cijene dionica [Master's thesis]. Osijek: Josip Juraj Strossmayer University of Osijek, Faculty of Economics and Business in Osijek; 2017 [cited 2025 April 01] Available at: https://urn.nsk.hr/urn:nbn:hr:145:824008

M. Škrobak, "Neuronske mreže i stabla odlučivanja za klasifikaciju i predviđanje cijene dionica", Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Economics and Business in Osijek, Osijek, 2017. Available at: https://urn.nsk.hr/urn:nbn:hr:145:824008

Please login to the repository to save this object to your list.
Metadata
TitleNeuronske mreže i stabla odlučivanja za klasifikaciju i predviđanje cijene dionica
Title (english)Neural networks and decision trees for classification and prediction stock prices
AuthorMarijana Škrobak
MentorMarijana Zekić Sušac (mentor)
Committee memberMarijana Zekić Sušac (predsjednik povjerenstva)
Committee memberJosip Mesarić (član povjerenstva)
Committee memberĐula Borozan (član povjerenstva)
GranterJosip Juraj Strossmayer University of Osijek
Faculty of Economics and Business in Osijek
(Chair of Quantitative Methods and Informatics)
Osijek
Defense date and country2017-02-15, Croatia
Scientific / art field,
discipline and subdiscipline		SOCIAL SCIENCES
Economics
Business Informatics
Abstract
Cilj ovog rada je izraditi modele stabla odlučivanja i neuronske mreže za problem predviđanja i klasifikaciju kretanja dionica Zvijezda d.d., pojasniti glavne pojmove modela neuronske mreže i stabla odlučivanja, te pojam dionice. U radu će se na konkretnom primjeru obrađenom u programskom paketu Statistica dobiti i opisati rezultat kretanja dionica Zvijezda d.d. odnosno njihov rast i pad. Ovo istraživanje će koristiti studenti i ostali zainteresirani za područje uporabe metoda neuronskih mreža... More i stabala odlučivanja u poslovanju. Dobivenim rezultatima pokazalo se da je uspješniji model klasifikacije koji je napravljen pomoću tangens hiperbolne funkcije i ukupna stopa klasifikacije mu je 100%. Veća je za 7,14% u odnosu na rezultate dobivene modelom stabla odlučivanja. Problem klasifikacije je osim ukupne stope klasifikacije pokazao i rezultate analize osjetljivosti izlazne varijable na ulaznu. Dobivenim rezultatima došlo se do saznanja da najveći utjecaj ulazne varijable na izlaznu ima varijabla „Zadnja“ s koeficijentom osjetljivosti 32339602, dok najmanji utjecaj ima ulazna varijabla „Količina“ s koeficijentom osjetljivosti 146039,8. Rezultati osjetljivosti dobiveni modelom stabla odlučivanja prikazuju kako je „Broj transakcija“, varijabla koja je najmanje značajna u odnosu na izlaznu varijablu s koeficijentom osjetljivosti 0,074827. Najveći utjecaj ulazne varijable na izlaznu u modelu stabla odlučivanja ima varijabla „Promjena“ s koeficijentom osjetljivosti 1,000000. Less
Abstract (english)
The aim of this study is to create models of a decision tree and neural networks for problem prediction and classification movement of stock Zvijezda d.d., to explain the main concept of the model neural networks and decision trees, and the concept of stocks. The study will be created on concrete examples made in the software package Statistica, where it will get and describe the results of the movement of the stock Zvijezda d.d. and it's rise and fall. This research will be used by students... More and others interested in the application methods of neural networks and decision trees in business. Results showed that the successful model classification is made using a hyperbolic tangent function and the overall classification rate is 100%. An increase of 7.14%, compared to the results obtained from the model decision tree. The problem of classification with the overall rate of classification showed the results of the sensitivity analysis of output variables to the input. The results found that the greatest impact of the input variables to the output variable have the "Last" with a coefficient of sensitivity 32339602, while the smallest effect has the input variable "Quantity" and the coefficient of sensitivity 146039.8. The results of sensitivity analyses obtained a model decision tree that shows that "The number of transactions" variable is the least significant, with relation to the output variable with a coefficient of sensitivity 0.074827. The greatest impact of the input variables to the output in the decision tree model has a variable "Change" with a coefficient of sensitivity 1.000000. Less
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:145:824008
Study programmeTitle: Business economy; specializations in: Business Informatics
Course: Business Informatics
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra ekonomije (magistar/magistra ekonomije)
Type of resourceText
File originBorn digital
Access conditionsAccess restricted to students and staff of home institution
Terms of useLicence In copyright icon
Created on2017-04-28 13:52:36
accessibility

closeAccessibilityrefresh

If you wish to permanently save changes, click on Save, if not - your settings will be reset when you restart the browser.