|
On the predictibility of Central European stock returns: Do Neural Networks outperform modern economic techniques?
Baruník, Jozef ; Žikeš, Filip (vedoucí práce) ; Vošvrda, Miloslav (oponent)
V této práci jsou aplikovány neuronové sítě jako neparametrická, nelineární metoda modelování na středoevropské trhy (Český, Polský, Maďarský a Německý). V prvních dvou kapitolách je definováno prognózování v kontextu klasické ekonometrické analýzy ve spojení s neuronovými sítěmi. Dále jsou prezentovány optimalizační metody použité při testování - konjugovaný gradient, Levenberg- Marquardt a genetické algoritmy, a nakonec statistické metody pro srovnání přesnosti předpovědí různých modelů a jejich ekonomickou signifikaci. V empirickém modelování je nejdřív ukázána výkonnost neuronové sítě na chaotické časové řadě Mackey-Glass. Dále následuje analýza reálných denních a týdenních časových řad středoevropských indexů pro období let 2000 až 2006, kde je ukázáno, že Neuronové sítě predikují denní výnosy DAX a týdenní výnosy PX50, BUX se signifikantně nižší chybou pomocí časových řad historických výnosů než ostatní ekonometrické metody. Podobných výsledků bylo dosaženo při predikci národního výnosu pomocí zpožděných výnosů alespoň jednoho z ostatních indexů. Dále je taky ukázáno, že s Neuronovou sítí byla dosažena ekonomická signifikace predikce denních i týdenních výnosů PX-50, BUX i DAX. Přesnost předpovědí testovaných řad se pohybuje kolem 60%, co považujeme za dobrý výsledek. V poslední kapitole je...
|
|
On the predictability of Central European stock returns : "Do neural networks outperform modern econometric techniques?"
Baruník, Jozef ; Schneider, Ondřej (vedoucí práce)
V této práci jsou aplikovány neuronové sítě jako neparametrická, nelineární metoda modelování na středoevropské trhy (Český, Polský, Maďarský a Německý). V prvních dvou kapitolách je definováno prognózování v kontextu klasické ekonometrické analýzy ve spojení s neuronovými sítěmi. Dále jsou prezentovány optimalizační metody použité při testování - konjugovaný gradient, Levenberg-Marquardt a genetické algoritmy, a nakonec statistické metody pro srovnání přesnosti předpovědí různých modelů a jejich ekonomickou signifikaci. V empirickém modelování je nejdřív ukázána výkonnost neuronové sítě na chaotické časové řadě Mackey-Glass. Dále následuje analýza reálných denních a týdenních časových řad středoevropských indexů pro období let 2000 až 2006, kde je ukázáno, že Neuronové sítě predikují denní výnosy DAX a týdenní výnosy PX50, BUX se signifikantně nižší chybou pomocí časových řad historických výnosů než ostatní ekonometrické metody. Podobných výsledků bylo dosaženo při predikci národního výnosu pomocí zpožděných výnosů alespoň jednoho z ostatních indexů. Dále je taky ukázáno, že s Neuronovou sítí byla dosažena ekonomická signifikace predikce denních i týdenních výnosů PX-50, BUX i DAX. Přesnost předpovědí testovaných řad se pohybuje kolem 60%, co považujeme za dobrý výsledek. V poslední kapitole je použita...
|
|
Overview of Actual Approaches to Optimization
Hudecová, Patrícia ; Šůstek, Martin (oponent) ; Zbořil, František (vedoucí práce)
This work aimed to study some of the optimization algorithms inspired by nature and to test their success in finding the extreme of a function on various functions. Four algorithms were selected, namely the bat algorithm, the firefly algorithm, the flower pollination algorithm, and the black hole algorithm. The Griewank function, the Rastringin function, and the Rosenbrock function were chosen as test functions for finding the extreme of the function. The work contains a description of individual algorithms, a description of test functions and a description of the experiments, and an evaluation of the success of the algorithms.
|
|
Optimalizační algoritmy inspirované přírodou
Babjarčiková, Lenka ; Zbořil, František (oponent) ; Zbořil, František (vedoucí práce)
Táto práca sa venuje štyrom optimalizačným algoritmom inšpirovaných prírodou. Popisuje algoritmus mravčej kolónie, algoritmus párenia včiel, algoritmus vlčej svorky a algoritmus simulovaného žíhania. Súčasťou tejto práce bolo aplikovanie daných algoritmov pre tri optimalizačné úlohy. Jednou z úloh bol problém obchodného cestujúceho, ktorý je riešený pomocou algoritmu mravčej kolónie, ďalšou nájdenie extrému funkcie, ktoré je riešené algoritmom vlčej svorky a algoritmom simulovaného žíhania a poslednou úlohou bol problém splniteľnosti logických formúl, ktorý bol v tejto práci riešený algoritmom párenia včiel. Práca obsahuje experimenty s danými algoritmami a vyhodnocuje získané výsledky.
|
|
On the predictability of Central European stock returns : "Do neural networks outperform modern econometric techniques?"
Baruník, Jozef ; Schneider, Ondřej (vedoucí práce)
V této práci jsou aplikovány neuronové sítě jako neparametrická, nelineární metoda modelování na středoevropské trhy (Český, Polský, Maďarský a Německý). V prvních dvou kapitolách je definováno prognózování v kontextu klasické ekonometrické analýzy ve spojení s neuronovými sítěmi. Dále jsou prezentovány optimalizační metody použité při testování - konjugovaný gradient, Levenberg-Marquardt a genetické algoritmy, a nakonec statistické metody pro srovnání přesnosti předpovědí různých modelů a jejich ekonomickou signifikaci. V empirickém modelování je nejdřív ukázána výkonnost neuronové sítě na chaotické časové řadě Mackey-Glass. Dále následuje analýza reálných denních a týdenních časových řad středoevropských indexů pro období let 2000 až 2006, kde je ukázáno, že Neuronové sítě predikují denní výnosy DAX a týdenní výnosy PX50, BUX se signifikantně nižší chybou pomocí časových řad historických výnosů než ostatní ekonometrické metody. Podobných výsledků bylo dosaženo při predikci národního výnosu pomocí zpožděných výnosů alespoň jednoho z ostatních indexů. Dále je taky ukázáno, že s Neuronovou sítí byla dosažena ekonomická signifikace predikce denních i týdenních výnosů PX-50, BUX i DAX. Přesnost předpovědí testovaných řad se pohybuje kolem 60%, co považujeme za dobrý výsledek. V poslední kapitole je použita...
|
|
Stabilizace videa využívající globální optimalizační algoritmy
Bartoš, Patrik ; Říha, Kamil (oponent) ; Kříž, Petr (vedoucí práce)
Tato bakalářská práce se věnuje stabilizaci videa pomocí optimalizačních algoritmů CRS (kontrolované náhodné prohledávání) a GA (genetický algoritmus). Popisuje proces lícování obrazu, geometrické transformace, interpolační metody, podobnostní kritéria a optimalizační algoritmy. Stručně popisuje také strukturu programu vytvořeného v prostředí MATLAB. V závěru práce jsou obsaženy výsledky dosažené stabilizace.
|
|
The Role of Advanced Option Pricing Techniques Empirical Tests on Neural Networks
Brejcha, Jiří ; Baruník, Jozef (vedoucí práce) ; Vošvrda, Miloslav (oponent)
Tato práce se zabývá porovnáním dvou pokročilých metod oceňování opcí aplikovaných na opce evropského stylu vypsané na index DAX. Práce zkoumá výkonnost především dvou modelů: modelu se stochastickou volatilitou založeného na asymetrickém nelineárním procesu GARCH, který navrhli Heston a Nandi (2000), dále pak přístupu využívajícím umělé neuronové sítě, přičemž jako referenční je zde použit klasický Black-Scholes-Mertonův model. Modely pro oceňování opcí jsou testovány nejen na datech pro období mezi 3. 7. 2006 - 30. 10. 2009, ale i na jednotlivých podsouborech dat nazvaných jako "data před krizí" a "data v krizi", kde je přelomovým dnem 17. 4. 2008. Hlavním cílem práce je nalezení nejvhodnějšího oceňovacího nástroje opcí a to jak pro "data před krizí", tak i pro "data v krizi". První dvě kapitoly uvádějí do problematiky opčního oceňování, přičemž následující třetí kapitola poskytuje teoretické zázemí vztahující se k výše uvedeným metodám. V práci je též shrnut teoretický rámec různých nelineárních optimalizačních algoritmů, jako je metoda klesajícího gradientu, metoda zpětného šíření, kvasi-Newtonova metoda a Levenberg-Marquardtův algoritmus. Empirická část pak ukazuje, že žádný z uvedených modelů nepřevyšuje ve všech kategoriích svým výkonem ty ostatní. Nicméně přesto můžeme vyslovit závěr, že...
|
|
Generování školních rozvrhů
Pchálek, Jan ; Hrubý, Martin (oponent) ; Rozman, Jaroslav (vedoucí práce)
Práce je zaměřena na problém generování školních rozvrhů. Řešení je implementováno v jazyce Java a je založeno na dvou heuristických algoritmech(monte carlo a simulované žíhání). Výsledné řešení je pak porovnáno s již existujícími aplikacemi.
|
|
Evoluční algoritmy
Haupt, Daniel ; Polách, Petr (oponent) ; Honzík, Petr (vedoucí práce)
První část práce je teoretická a zabývá se optimalizací a evolučními algoritmy, které jsou používány k řešení složitých optimalizačních problémů. Konkrétně jsou popsány algoritmy diferenciální evoluce, genetický algoritmus, simulované žíhání a deterministický neevoluční algoritmus zakázané prohledávání. Dále je diskutována problematika testování optimalizačních algoritmů pomocí tzv. galerii testovacích funkcí a testování pomocí srovnání výsledků algoritmů při řešení problému obchodního cestujícího. Ve druhé části práce jsou všechny uvedené algoritmy testovány na 11 testovacích funkcích a na třech modelech rozmístění měst v problému obchodního cestujícího. Nejprve jsou algoritmy srovnávány s možností neomezeného přístupu k účelové funkci a dále s omezenou možností přístupu k účelové funkci. Veškerá data jsou statisticky a graficky zpracována. Jednotlivé algoritmy jsou seřazeny dle úspěšnosti.
|
|
Mravenčí kolonie
Hart, Pavel ; Hynčica, Ondřej (oponent) ; Honzík, Petr (vedoucí práce)
Práce se zabývá rešerší optimalizačních algoritmů a dále pak implementací a porovnáním tří z nich. Jedná se o algoritmus mravenčí kolonie, zakázané prohledávání a simulované žíhání. Implementace algoritmů byla uzpůsobena k řešení problému obchodního cestujícího. U všech zmíněných algoritmů byla zkoumána a zhodnocena jejich časová náročnost a kvalita nalezeného řešení. U algoritmů mravenčí kolonie bylo navíc provedeno zhodnocení vlivu řídicích parametrů na kvalitu nalezeného řešení.
|