Pokročilé architektury neuronových sítí pro analýzu dat z finančních trhů
Advanced neural network architectures for financial market data analysis
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Ondřej Šrámek
Vedoucí práce
Strachota Pavel
Oponent práce
Oberhuber Tomáš
Studijní obor
Matematické inženýrstvíStudijní program
Aplikace přírodních vědInstituce přidělující hodnost
katedra matematikyPráva
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
V bakalářské práci jsou vysvětleny základní pojmy strojového učení na lineární a logistické regresi, a poté jsou teoreticky uvedeny neuronové sítě. Dále je zkoumán problém přeučení a principy, jak se mu vyhnout. Praktická část je zaměřena na předzpracování časových řad a predikce jejich vývoje pomocí klasifikáčních LSTM neuronových architekturách. Jako časové řady jsou použity vývoje ceny kryptoměnového páru z kryptoměnové burzy Binance. Dále jsou zkoumány úspěšnosti predikce v závislostí na volbě různých hyperparametrů. In this bachelor thesis, the basic terminology of machine learning is explained on linear and logistic regression and then the theory of neural networks is laid out. Next the problem of overfitting and principles of how to avoid it are investigated. Practical part is focused on preparation of time series, and prediction of their development with the help of classification LSTM neural architectures. As an example of time series the price evolution of a cryptocurrency pair from the Binance cryptocurrency exchange is used. Next the success rates of prediction with different settings of hyperparameters are investigated.
Kolekce
- Bakalářské práce - 14101 [308]