Studie využití neuronových sítí a adaptivního monitorování pro algo-trading
Neural Networks and Adaptive Monitoring Study for Algo-Trading
Type of document
MAGISTERSKÁ PRÁCEMASTER'S THESIS
Author
Molčík Filip
Supervisor
Bukovský Ivo
Opponent
Plaček Viktor
Field of study
Přístrojová a řídicí technikaStudy program
Strojní inženýrstvíInstitutions assigning rank
ústav přístrojové a řídící technikyDefended
2016-06-30Rights
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://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdf.Vysokoškolská 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://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdf.
Metadata
Show full item recordAbstract
V této práci je provedena studie využití neuronových sítí pro algoritmické obchodování. Je zde představen trh cizích měn FOREX. Jsou zde uvedeny základní postupy využívané pro algoritmické obchodování. Dále je shrnut současný stav využití neuronových sítí pro obchodování. V dalších částech je navržen experiment na základě provedené rešerše pro využití neuronových sítí pro obchodování. Pro tento experiment je vytvořeno 5 neuronových modelů v prostředí MATLAB, které jsou otestovány na umělých datech a poté srovnána jejich výkonnost pro prostou predikci na historických datech. V experimentu je využito dat z FOREXu za období leden 2012 až leden 2016 v 15 minutových sloupcích pro 8 měnových párů. Pro nejvýkonnější neuronovou síť je poté navržena metoda pro okamžité monitorování trendu založená na klouzavých průměrech, která dosahuje za testované období o 5,2 vyšší procento profitabilních obchodů oproti jednoduchým klouzavým průměrům. V závěru jsou shrnuty výsledky a také nastíněn další možný vývoj. Aim of this work is study of artificial neural networks for algorithmic trading usage. Foreign exchange market, state of art for algo-tading and artificial neural networks for trading is introduced in this paper. In next part, the experiment is presented based on methods of artificial neural networks for trading chapter. In this experiment, five artificial neural networks were designed in MATLAB environment. These five neural models are tested on generated data and then their performance is compared for simple prediction of historical data. In this experiment, data from the foreign exchange market are used in period from January 2012 to January 2016 in 15 minute bars. These data consists of 8 currency pairs. The neural model with best performance from the experiment is used in the proposed method of trend monitoring. This new method is based on moving average utilizing neural network approach, and it achieves 5,2 points better percent of profitable trades in comparison to the simple moving averages. In conclusion, the results are summarized and proposals for future work are discussed.