Primerjalna analiza hibridno rekurentnega modela in transformerskega modela globokega učenja za napovedovanje delniškega trgaStrahan, Marcel (Avtor) Šumak, Boštjan (Mentor) Globoko učenjeLSTM-GRUTransformernapovedovanje delniških cenBayesova optimizacijaNapovedovanje gibanja cen je izziv zaradi nelinearnosti in nestanovitnosti finančnih trgov. Cilj zaključnega dela je primerjati hibridni model LSTM-GRU z modelom Transformer za napovedovanje zaključnih cen delnice »AMZN« na podlagi podatkov v obdobju 2021–2025. Oba modela ovrednotimo v izhodiščni konfiguraciji in po Bayesovi optimizaciji z regresijskimi metrikami in s smerno natančnostjo na testni množici 221 napovednih vzorcev ter v različnih tržnih režimih. Optimizirani model LSTM-GRU je dosegel najnižji RMSE 4,40 USD in MAE 3,20 USD med vsemi konfiguracijami. Smerna natančnost vseh konfiguracij se giblje okoli 50 % in ni statistično značilna, zato rezultati ne dokazujejo zanesljivega napovedovanja smeri gibanja cene.20262026-08-20 12:53:22Diplomsko delo/naloga99581sl