Original title: Analýza burzovních dat metodami UI
Translated title: Analysis of Stock Exchange Data to UI Methods
Authors: Kutina, Michal ; Jelínek, Jiří (advisor) ; Dvořák, Pavel (referee)
Document type: Master’s theses
Year: 2008
Language: cze
Publisher: Vysoká škola ekonomická v Praze
Abstract: [cze] [eng]
Diplomová práce Analýza burzovních dat metodami UI je zaměřena na uplatnění neuronových sítí při predikci kurzových pohybů na burze. Teoretická část je rozdělena na tři samostatné celky. V první části je popsána problematika burzy a jednotlivé termíny s ní související. V druhé části jsou rozebrány dva základní přístupy pro analýzu burzovních dat, kterými jsou fundamentální a technická analýza. Třetí, poslední teoretická část tvoří samostatný celek popisující teorii Umělé Inteligence. Zejména podrobně je popsána problematika neuronových sítí. Praktická část hledá uplatnění pro vybranou neuronovou síť GAME. Analyzuje vybraný trh YMZ9. Zaměřuje se na predikci pohybu kurzu pomocí metody posuvného okna. V závěrečné kapitole shrnuje výsledky a dokazuje, že neuronové sítě je možné, za určitých podmínek, vhodně použít, jak pro predikci kurzových pohybů, tak jako jeden ze základních stavebních kamenů profitabilního obchodního systému. The graduation thesis "Analysis of stock-exchange data using AI methods" is focused on the use of neural networks while predicating the exchange-rate movements on Change. The theoretical part is divided into three independent units. The Change matters and the related individual terms are described in the first part. In the second part, the two basic approaches to the stock-exchange data analysis are analyzed, these two approaches being the fundamental and technical analysis. The third, and the last, theoretical part forms an individual unit describing the Artificial Intelligence theory. Particularly the issue of the neuronal networks is described in detail. The practical part seeks the use for the chosen neuronal network GAME. It analyses the chosen YMZ9 market. It focuses on the prediction of the exchange-rate movements using the "sliding window" method. The last chapter summarizes the results and it proves that under certain circumstances it is possible to properly use the neuronal networks both for the prediction of the stock-exchange movements and as one of the corner-stones of the profitable trading system.
Keywords: Artifical Intelligence; fundamental analysis; market orders; market systems; neural networks; prediction; stock exchange; technical analysis; trading systems; burza; burzovní systémy; fundamentální analýza; neuronové sítě; obchodní systémy; predikce; technická analýza; typy burzovních operací; umělá inteligence

Institution: University of Economics, Prague (web)
Document availability information: Available in the digital repository of the University of Economics, Prague.
Original record: http://www.vse.cz/vskp/eid/19896

Permalink: http://www.nusl.cz/ntk/nusl-15866


The record appears in these collections:
Universities and colleges > Public universities > University of Economics, Prague
Academic theses (ETDs) > Master’s theses