|
|
Fundamentální analýza numerických dat pro automatický trading
Huf, Petr ; Szőke, Igor (oponent) ; Černocký, Jan (vedoucí práce)
Tato práce se zabývá využitím fundamentální analýzy v automatickém obchodování. Technická analýza využívá k predikci ceny hlavně její historické hodnoty a indikátory z této ceny odvozené. Fundamentální analýza naopak využívá informace z různých zdrojů k predikci cenového signálu, přičemž v této práci byly zkoumány pouze kvantitativní zdroje dat. Konkrétně se jedná o počasí, Forex, Google Trends, WikiTrends, historické ceny různých futures a souhrnná fundamentální data (porodnost, migrace, \dots). Takto získána data jsou zpracovávána LSTM neuronovou sítí, která provádí predikci ceny vybraných akcií. Na základě této predikce je postaven obchodní systém. Experimenty v této práci ukazují na zlepšení výsledků obchodního systému až o 8\% v úspěšnosti predikce díky zapojení fundamentální analýzy.
|
|
|
Machine Learning Strategies in Electronic Trading
Huf, Petr ; Kolář, Martin (oponent) ; Černocký, Jan (vedoucí práce)
Successful stock trading is a dream of many people. Eletronic trading is an interesting branch of this business. The trading strategy runs on the computer all the time without any human intervention. This way of trading provides a lot of free time and high earnings. This thesis is aimed at usage of neural networks in building this type of trading strategy. An already existing recurrent neural network was used as a basis and was modified for the needs of trading. The result is a neural network which predicts future market moves. The trading strategy based on this neural network is able to perform a successful trading.
|
|
|
Fundamentální analýza numerických dat pro automatický trading
Huf, Petr ; Szőke, Igor (oponent) ; Černocký, Jan (vedoucí práce)
Tato práce se zabývá využitím fundamentální analýzy v automatickém obchodování. Technická analýza využívá k predikci ceny hlavně její historické hodnoty a indikátory z této ceny odvozené. Fundamentální analýza naopak využívá informace z různých zdrojů k predikci cenového signálu, přičemž v této práci byly zkoumány pouze kvantitativní zdroje dat. Konkrétně se jedná o počasí, Forex, Google Trends, WikiTrends, historické ceny různých futures a souhrnná fundamentální data (porodnost, migrace, \dots). Takto získána data jsou zpracovávána LSTM neuronovou sítí, která provádí predikci ceny vybraných akcií. Na základě této predikce je postaven obchodní systém. Experimenty v této práci ukazují na zlepšení výsledků obchodního systému až o 8\% v úspěšnosti predikce díky zapojení fundamentální analýzy.
|
|
|
Machine Learning Strategies in Electronic Trading
Huf, Petr ; Kolář, Martin (oponent) ; Černocký, Jan (vedoucí práce)
Successful stock trading is a dream of many people. Eletronic trading is an interesting branch of this business. The trading strategy runs on the computer all the time without any human intervention. This way of trading provides a lot of free time and high earnings. This thesis is aimed at usage of neural networks in building this type of trading strategy. An already existing recurrent neural network was used as a basis and was modified for the needs of trading. The result is a neural network which predicts future market moves. The trading strategy based on this neural network is able to perform a successful trading.
|
host ::
RSS.