Original title: Analýza a predikce časových řad pomocí neuronových sítí
Translated title: Time-Series Analysis and Prediction by Means of Neural Networks
Authors: Kňažovič, Martin ; Jaroš, Jiří (referee) ; Bidlo, Michal (advisor)
Document type: Bachelor's theses
Year: 2023
Language: slo
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [slo] [eng]
Táto práca sa zaoberá predikciou cien akcií a to vytvorením predikčných modelov pre vybrané akcie (BRK-A, GOOG a MSFT), ktoré môžu pomôcť investorom pri tvorbe ich investičných rozhodnutí či ako náhrada predikčných modelov v už existujúcich systémoch. V tejto práci sa venujeme tvorbe dvoch typov modelov - jedno-premenného a viac-premenného modelu, pričom obidva sú prezentované vo výslednej podobe v dvoch architektúrach, jednovrstvovej a dvojvrstvovej. Tieto modely sú postavené na princípe neurónových sietí, konkrétne ich podtypu rekurentných neurónových sietí, ktoré využívajú rozšírenie long short-term memory. Výstupom prezentovaných modelov je predikovaná cena nasledujúceho dňa, ktorú je možné použiť na zváženie vhodnosti nákupu, alebo predaja danej akcie. Kvalita jednotlivých predikčných modelov je vyhodnotená na základe strednej kvadratickej chyby (angl. Mean Squared Error) validačnej, prípadne testovacej dátovej sady, ale aj alternatívnym spôsobom na základe predikcie zmeny trendu akcie. This thesis deals with stock price prediction based on the creation of prediction models for selected stocks (BRK-A, GOOG, and MSFT), which can help investors in the creation of their financial decisions or by replacing other stock prediction models in existing prediction systems. Models created in this thesis are presented in two types - univariate model and multivariate model, which are in their final version presented in two architectures, one-layer architecture and two-layer architecture. Discussed models are created by means of neural networks, specifically recurrent neural networks with its extension - Long short-term memory. The output of the presented models is a forecast of the next-day stock price, which can be used for evaluating the right time to buy or sell a given stock. The quality of individual prediction models is evaluated via the mean squared error of the validation or testing dataset or alternatively based on stock price trend prediction.
Keywords: data analysis; data normalization; long short-term memory; model parameter tunning; prediction models; prediction of stock trend; recurrent neural networks; regression; short term forecasting; stock price prediction; Time-series analysis

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/11012/210395

Permalink: http://www.nusl.cz/ntk/nusl-526820


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