Předvídání finančního trhu pomocí stromových metod
Financial market forecasting using tree based methods
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Pavel Ježek
Vedoucí práce
Tran Quang Van
Oponent práce
Kukal Jaromír
Studijní obor
Aplikace softwarového inženýrstvíStudijní program
Aplikace přírodních vědInstituce přidělující hodnost
katedra softwarového inženýrstvíPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Práce se zabývá predikcí na finančním trhu pomocí stromových metod. Zkoumá umělou inteligenci, strojové učení a jeho dělení. Dále také je přiblížena struktura stromu, stromové metody, jejich přesnost a souborové metody k nim přidružené. Jelikož se jedná o rostoucí odvětví, je zde připojena rešerše stávajících prací na téma predikce pomocí strojového učení. Vytvořili jsme několik tromových modelů a náhodných lesů z dat index· FTSE a S&P pro období 2010-2019. Jejich přesnosti byly následně porovnány a s nejlepšími bylo provedeno modelové obchodování. The thesis deals with prediction in the _nancial market using tree methods. It explores arti_cial intelligence, machine learning and its subdivisions. The structure of the tree, tree methods, their precision and the _le methods associated with them are also approximated. As this is a growing industry, a survey of existing works on the subject of prediction using machine learning is attached. We created several tree models and random forests from FTSE and S&P index data for the period 2010-2019. Their accuracies were then compared and model trading was performed with the best ones.