Original title: Neuronové síťe pro strojové učení v algoritmickém obchodování
Translated title: Neural Networks for Machine Learning in Algorithmic Trading
Authors: Koubek, David ; Krištoufek, Ladislav (advisor) ; Debatz, Laure (referee)
Document type: Bachelor's theses
Year: 2018
Language: eng
Abstract: This thesis investigates the forecasting ability of the artificial neural network (ANN) models on five major currency pairs and compares the accuracy of several ANN ar- chitectures to the difficult to outperform random walk (RW) benchmark. The ANNs mostly stand ground against the RW, yet fail to attain significantly different results for most of the currencies in out-of-sample testing. A good predictive accuracy of a few ANN models was shown only for the Japanese yen in our results. Less complex neural network architectures supported the notion of having better generalisation capabilities for most of our datasets. JEL Classification C01, C32, C45, C51, C52, C53, C87 Keywords artificial neural networks, machine learning, finan- cial markets, Forex, day trading, algorithmic trad- ing, pattern recognition, computational learning the- ory, backtesting, forecasting Author's e-mail 56374598@fsv.cuni.cz, mrkoubek@gmail.com Supervisor's e-mail ladislav.kristoufek@fsv.cuni.cz Abstrakt Tato práce zkoumá schopnost modelů na bázi neuronových sítí (ANN) předpovídat budoucí cenu pěti hlavních měnových párů a porovnává přesnost předpovědí s těžce překonatelným modelem random walk (RW), který vždy hádá následující cenu jako totožnou se současnou cenou. ANN modely převážně obstály oproti RW, ale pro většinu měn...
Keywords: algorithmic trading; artificial neural networks; backtesting; computational learning theory; day trading; financial markets; forecasting; Forex; machine learning; pattern recognition; algoritmické obchodování; denní obchodování; finanční trhy; Forex; historické testování; predikce; rozpoznávání vzorů; strojové učení; teoretická informatika; umělé neuronové sítě

Institution: Charles University Faculties (theses) (web)
Document availability information: Available in the Charles University Digital Repository.
Original record: http://hdl.handle.net/20.500.11956/103112

Permalink: http://www.nusl.cz/ntk/nusl-389291


The record appears in these collections:
Universities and colleges > Public universities > Charles University > Charles University Faculties (theses)
Academic theses (ETDs) > Bachelor's theses