|
|
Mispricing in leveraged value small-capitalization stocks
Picálek, Jan ; Hronec, Martin (vedoucí práce) ; Novák, Jiří (oponent)
Zkoumáme výnosy hodnotových akcií s vysokým zadlužením a nízkou tržní kap- italizací, tj. akcií s historicky značnou expozicí vůči běžným rizikovým fak- torům. Za použití strojového učení vybíráme z množiny těchto rizikových akcií ty, jež by se měly v budoucnu nadměrně zhodnotit. V rámci této strategie zohledňujeme 34 akciových charakteristik a predikujeme budoucí výnosy jed- notlivých akcií, na jejichž základě pak každý měsíc sestavujeme long-short port- folio. Nadměrná výnosnost strategie 0.42% za měsíc i přes úpravu o riziko na testovacím vzorku dat ukazuje, že chybné ocenění je statisticky signifikantní. Použitý algoritmus strojového učení se učil na množině hodnotových akciích s vysokým dluhem a nízkou tržní kapitalizací, a zachycuje vztahy specifické pro tuto množinu, včetně vztahů nelineárních a interakcí jednotlivých proměnných. Tyto nelineární vztahy a prediktivní schopnost jednotlivých proměnných jsou extrahovány a následně i prezentovány. Mezi mírou chybného ocenění a kred- itními cykly či tržní volatilitou jsme nenašli žádnou spojitost. Klasifikace JEL G11, G12, G14, Klíčová slova Anomálie, Prediktabilita výnosů, Testy oceňovacích modelů, Zadlužené společnosti,...
|
|
|
Detekce anomálií v chůzi chodců
Pokorný, Ondřej ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
Cílem práce bylo vytvořit systém pro detekci anomálií v záznamech chůze chodců. Jako základ aplikace použijeme již existující řešení pro extrakci souřadnic skeletu chodce OpenPose. Pro následnou detekci z hodnot souřadnic jsem se zaměřil na řešení pomocí neuronových sítí. K řešení jsem použil obousměrnou LSTM neuronovou síť, která během experimentování měla nejlepší hodnoty detekce. Výsledná aplikace zvládá detekci tří anomálií a to skoku, dřepu a kliku. Výstupem je video, ve kterém jsou nápisem označeny sekvence, které obsahují anomálii. Celý systém je implementovaný v jazyce Python a jeho běžně dostupných knihoven.
|
|
|
Získávání informací o uživatelích na webových stránkách
Vondráček, Tomáš ; Malinka, Kamil (oponent) ; Polčák, Libor (vedoucí práce)
Cílem diplomové práce je zmapovat informace poskytované webovými prohlížeči, které mohou být v praxi použity k identifikaci uživatelů na webových stránkách. Práce se zaměřuje na získání a následnou analýzu informací o zařízeních, prohlížečích a vedlejších efektů způsobených webovými rozšířeními, které maskují identitu uživatelů. Získání informací realizuje navržená a implementovaná knihovna v jazyce TypeScript, která byla nasazena na 4 komerčních webových stránkách. Analýza získaných informací je realizována po měsíci provozu knihovny a zaměřuje se na míru získané informace, rychlost získání informací a stabilitu informací. Z datové sady vyplývá, že až 94 % potenciálně různých uživatelů disponuje unikátní kombinací informací. Hlavní přínos této práce spočívá ve vytvořené knihovně, návrhu nových metod získávání informací, optimalizace stávajících metod a určení kvalitních a nekvalitních informací na základě jejich míry informace, rychlosti získání a stability v čase.
|
|
|
Detekce DoS a DDoS útoků zaměřených na webový server
Nguyen, Minh Hien ; Fujdiak, Radek (oponent) ; Kuchař, Karel (vedoucí práce)
Bakalářská práce se zabývá detekcí útoků DoS (Denial of service) a DDoS (Distributed Denial of Service) zaměřených na webový server. Cílem práce je navrhnout detekční metody, které budou následně otestovány. Rozbory útoků podle referenčního modelu ISO/OSI (International Organization for Standardization/Open Systems Interconnection) umožní pochopit znaky jednotlivých útoků. V praktické části se nachází nástroje, které slouží k realizaci útoků, dále generátory legitimního síťového provozu a zabezpečený webový server. Podstatná data jsou vytvořena z probíhajících útoků a komunikací běžných uživatelů a jsou významnou součástí navržených metod. Účelem vyhodnocení dosažených výsledků je zhodnotit efektivnost jednotlivých detekčních metod z pohledu přesnosti určení a časové náročnosti.
|
|
|
Multi-horizon equity returns predictability via machine learning
Nechvátalová, Lenka ; Baruník, Jozef (vedoucí práce) ; Krištoufek, Ladislav (oponent)
Pomocí strojového učení zkoumáme předvídatelnost očekávaných výnosů ak- cií na různých horizontech. Používáme neuronové sítě a rozhodovací stromy s využitím boostingu na datech ze Spojených států a z vyspělých zemí. Předví- datelnost výnosů klesá se zvyšujícím se horizontem predikce při použití neurál- ních sítí. Dokumentujeme výnosnost long-short portfolií, které byly vytvořeny z predikcí kumulativních výnosů na různých horizontech. Odhadujeme transakční náklady a ukazujeme výnosnost portfolií i po započtení transakčních nák- ladů. Zajímá nás porovnání mezi vyššími transakčními náklady způsobenými častějším rebalancováním portfolia a vyššími výnosy na kratších horizontech. Ukazujeme, že prodloužení predikčního horizontu a zároveň rebalancovací frek- vence zvyšuje v USA po započtení transakčních nákladů rizikově vážené výnosy. Kombinujeme predikce očekávaných výnosů z různých horizontů pomocí metod double sort a buy/hold spread. Použití metody double sort výrazně zvyšuje v USA výnosnost. Použití buy/hold spread metody na snižování obratu portfolia má v USA lepší rizikově váženou výnosnost. Klasifikace JEL G11, G12, G15, C55 Klíčová slova Strojové učení, oceňování aktiv, predikta- bilita na horizontech, anomálie Název práce Prediktabilita výnosů akcií pomocí stro- jového učení
|
|
|
Specifické metody detekce anomálií v bezdrátových komunikačních sítích
Holasová, Eva ; Blažek, Petr (oponent) ; Fujdiak, Radek (vedoucí práce)
Diplomová práce se zabývá popisem a rozborem technologií a bezpečností bezdrátových sítí standardů IEEE 802.11. Obsahuje popis nejpoužívanějších standardů, popis fyzické vrstvy, linkové vrstvy, MAC vrstvy a specifických technologií pro bezdrátové sítě. Práce se zabývá popisem vybraných bezpečnostních protokolů, jejich technologiemi a slabinami. Dále jsou v práci popsány bezpečnostní hrozby a vektory útoků na bezdrátové sítě IEEE 802.11. Vybrané hrozby jsou simulovány ve vytvořené experimentální síti. Na tyto hrozby jsou navrhnuty detekční metody. Pro otestování a implementování navrhnutých detekčních metod je využit IDS systém Zeek a jsou využívány vytvořené skripty v programovacím jazyce Python pro práci se síťovým provozem. V neposlední řadě jsou natrénovány a otestovány modely strojového učení jak s učitelem, tak bez učitele.
|
|
|
Analýza síťového provozu pomocí sketchí
Dřevo, Aleš ; Kekely, Lukáš (oponent) ; Bartoš, Václav (vedoucí práce)
Cílem této bakalářské práce je vytvořit program na analýzu síťového provozu a detekci anomálií v provozu počítačové sítě. K tomu je využívána technika zvaná Heavy-Changes Detection spadající do kategorie proudových algoritmů. Pro práci s daty jsou použity speciální struktury zvané sketche, které dokáží uchovávat velké množství dat s nízkou paměťovou náročností. K získání potřebných dat ze sítě jsou využívány programy běžící pod systémem Nemea, pro který je celý tento projekt vytvářen.
|
|
| |
|
|
Detekce anomálií pomocí neuronových sítí
Strakoš, Jan ; Sikora, Marek (oponent) ; Blažek, Petr (vedoucí práce)
Bakalářská práce se zaměřuje na detekci anomálii v podobě síťových útoků, pomocí neuronových sítí. Mezi nejčastější síťové útoky patří Distributed Denial of Service (DDoS)útoky, které by měl detekční systém založený na neuronových sítích identifikovat. V teoretické části práce je rozebrán legitimní, nestandardní a útočný provoz. Součástí teoretické části práce je i popis DDoS útoků, možnosti jejich detekce a princip využití neuronových sítí. Praktická část popisuje zvolené parametry síťové komunikace, stanovení prahových intervalů, návrh a realizaci neuronové sítě s využitím těchto parametrů a jejich prahových intervalů, implementaci neuronové sítě do detekčního systému spolu s výsledkem testování realizovaného systému.
|
|
|
Parametrizace síťových útoků
Jelínek, Michael ; Sikora, Pavel (oponent) ; Blažek, Petr (vedoucí práce)
Bakalářská práce se věnuje definování vhodných parametrů pro identifikaci síťových útoků za pomoci neuronových sítí. V teoretické části jsou rozebrány metody detekce anomálií v síťové komunikaci, struktura umělé neuronové sítě a DDoS útoky použité pro ověření detekčních schopností. Praktická část se zaměřuje na postup přípravy dat, jejich následnou implementaci do neuronové sítě a shrnutí dosažených výsledků při různě nastavených vlastnostech neuronové sítě.
|
host ::
RSS.