Original title:
Předpovídání vývoje více časových řad při burzovním obchodování
Translated title:
Prediction of Multiple Time Series at Stock Market Trading
Authors:
Palček, Peter ; Zbořil, František (referee) ; Rozman, Jaroslav (advisor) Document type: Master’s theses
Year:
2012
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta informačních technologií Abstract:
[cze][eng]
V diplomové práci je uveden všeobecný postup používaný pro předpověď časových řad, jejich rozdělení, základní charakteristiky a základní statistické metody pro jejich předpovídaní. Spomenuty jsou také neuronové sítě a jejich dělení s ohledem na vhodnost k předpovídaní časových řad. Je navrhnut a implementován program pro predikci vývoje více časových řad při burzovním obchodování, kterého základem je model flexibilního neuronového stromu, kterého struktura je optimalizována pomocí imunitního programování a parametry pomocí modifikované verze simulovaného žíhání anebo pomocí optimalizace hejnem částic. Program je nejdříve testován na schopnosti předpovídat jednoduché časové řady a nakonec je testována jeho schopnost předpovídat více časových řad.
The diploma thesis comprises of a general approach used to predict the time series, their categorization, basic characteristics and basic statistical methods for their prediction. Neural networks are also mentioned and their categorization with regards to the suitability for prediction of time series. A program for the prediction of the progress of multiple time series in stock market is designed and implemented, and it's based on a model of flexible neuron tree, whose structure is optimized using immune programming and parameters using a modified version of simulated annealing or particle swarm optimization. Firstly, the program is tested on its ability to predict simple time series and then on its ability to predict multiple time series.
Keywords:
ARMA; autoregression; flexible neural tree; FNT; forcasting; immune programming; MIMO-FNT; moving averages; multivariate time series; neural network; particle swarm optimization; predicton; simulated annealing; time series; ARMA; autoregrese; flexibilní neuronový strom; FNT; klouzavé průměry; MIMO-FNT; neuronová síť; optimalizace hejnem částic; predikce; předpovídání; simulované žíhání; vícerozmřná časová řada; časová řada
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/53710