Neurális hálózatok szerepe a részvénypiaci volatilitás előrejelzésében

Sidó Péter (2025) Neurális hálózatok szerepe a részvénypiaci volatilitás előrejelzésében. Külkereskedelmi Kar.

	PDF XUVJUB - Sidó Péter - Neurális hálózatok szerepe a részvénypiaci volatilitás előrejelzésében.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (763kB)
	PDF Sidó Péter.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (173kB)
	PDF Külső konzulens - szakdolgozat bírálat.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (140kB)

Absztrakt (kivonat)

A szakdolgozat a részvénypiaci volatilitás előrejelzésének kérdéseit vizsgálja a mélytanulási modellek alkalmazásával. A hagyományos, statisztikai alapú modellek (például a GARCH) mellett a szakdolgozat különös figyelmet szentel a neurális hálózatokra, ezen belül az LSTM és GRU modellekre. A kutatás során bemutatom a modellek kódolásának menetét pythonban, elemzem a modellek pontosságát, kitérek a hibrid modellezési eljárásokra, a piaci rezsimek változásainak kezelése, valamint lehetséges jövőbeli kutatási irányokra. A cél az, hogy átfogó képet adjak a modern gépi tanulási modellek lehetséges alkalmazásáról a pénzügyi piaci folyamatok során.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Külkereskedelmi Kar

Tanszék

Társadalomtudományi Módszertan Tanszék

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Nemzetközi gazdálkodás

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	gépi tanulási modellek, lineáris modell, neurális hálózatok, részvénypiac, volatilitás
SWORD Depositor:	User Archive
Felhasználói azonosító szám (ID):	User Archive
Rekord készítés dátuma:	2025. Okt. 27. 14:24
Utolsó módosítás:	2025. Okt. 27. 14:24

Actions (login required)

Tétel nézet