|
|
Algoritmické obchodování na burze s využitím umělých neuronových sítí
Chlud, Michal ; Pešán, Jan (oponent) ; Szőke, Igor (vedoucí práce)
Tato diplomová práce se zabývá algoritmickým obchodováním na burze s využitím umělých neuronových sítí. V první částí jsou popsány základní termíny týkající se obchodování na burze a algoritmického obchodování, také je zde k dispozici teoretický úvod do neuronových sítí. V druhé částí jsou specifikována data, na kterých bude probíhat simulace obchodování. Na těchto datech se také učí neuronová síť. Ta je využita pro predikci budoucí hodnoty trhu v automatické obchodní strategii. Ke konci je navzájem porovnáno několik strategií s různými variantami neuronových sítí.
|
|
|
Využití umělé inteligence na kapitálových trzích
Lajczyk, Pavel ; Budík, Jan (oponent) ; Dostál, Petr (vedoucí práce)
Tato práce se zabývá problematikou umělých neuronových sítí a možnostmi jejich využití při obchodování na kapitálových trzích. Dále je v práci popsán návrh a implementace nástroje založeného na umělých neuronových sítích, který slouží k predikci vývoje cen akcií. Tento nástroj je vytvořen prostřednictvím výpočetního prostředí MATLAB. Implementovaný nástroj je pak podroben experimentům a obchodní simulaci. Na závěr jsou diskutovány dosažené výsledky
|
|
|
Využití umělé inteligence na kapitálových trzích
Skočík, Michal ; Pekárek, Jan (oponent) ; Budík, Jan (vedoucí práce)
Práce je zaměřena na problematiku týkající se umělých neuronových sítí a jejich využití na kapitálových trzích. V práci je vytvořen program, pomocí kterého se načtou vstupní data a vytvoří se neuronová síť, která slouží k predikci vývoje cen akcií. Tento program je vytvořen pomocí výpočetního prostředí MATLAB. Vytvořená síť je testována na simulaci obchodního modelu. Na základě výsledku simulace jsou diskutovány výsledky.
|
|
|
Zhodnocení finanční situace podniku
Štoudková, Julie ; Oulehla, Jiří (oponent) ; Luňáček, Jiří (vedoucí práce)
Bakalářská práce bude zaměřena na zhodnocení finanční situace tří vybraných podniků z různých odvětvích a na jejich dopady covidových opatřeních z krátkodobého hlediska. Práce bude obsahovat teoretickou i praktickou část. V teoretické části budou uvedeny veškerá teoretická východiska potřebná pro dosažení hlavního cíle práce. V praktické části bude provedena analýza tří podniku v letech 2017–2020 s využitím metod uvedených v teoretické části. Tato analýza bude doplněna bankrotním a bonitním modelem a predikcí časových řad. Následně se shrnou veškeré zjištěné poznatky a zjednodušeně navrženy návrhy, na co by se společnosti měli zaměřit k efektivnímu vedení společnosti.
|
|
|
Predictive Control of DHW and Household Heating Using Machine Learning Methods
Necpál, Dávid ; Zemčík, Pavel (oponent) ; Materna, Zdeněk (vedoucí práce)
The thesis is devoted to the development of a system for the control of domestic hot water (DHW) and heating. The system uses machine learning methods to predict future data - learning and predicting repetitive routines of people in the home, predicting hot water consumption and temperature trends in the home. The work is divided into two parts, where the first part is the control of domestic hot water heating, and the second part is the control of home heating. Both parts of the system use established hardware devices that implement the data collection and the actual control of the given activities. The devices collect water temperatures from the electric boiler, air temperatures from the rooms of the household and information about the presence of people in the household. The measured data is used to create a model for data prediction, which is used for the final decision on whether DHW heating or home heating should be implemented. The first subsystem for DHW heating achieves energy savings of 20 to 24 %, the second subsystem for domestic heating 18 to 30 %. The benefit of the developed system is the possibility of predictive automatic control of domestic hot water heating and heating, which leads to a reduction of energy consumption required for the above-mentioned activities, as well as a possible increase in comfort in the home.
|
|
|
Reservoir Computing pro průmyslové aplikace
Brhel, Jakub ; Bražina, Jakub (oponent) ; Kovář, Jiří (vedoucí práce)
V této bakalářské práci je zkoumána oblast reservoir computingu a jeho aplikace v průmyslovém odvětví. Hlavním cílem práce je ověřit účinnost a přesnost metody echo state network v predikci časových řad. K dosažení tohoto cíle je použit dataset z výrobního stroje a je implementován algoritmus echo state network. Jsou analyzovány výsledky a jsou rovněž porovnány s výsledky předchozích studií v oblasti reservoir computingu.
|
|
|
Zhodnocení finanční situace podniku
Štoudková, Julie ; Oulehla, Jiří (oponent) ; Luňáček, Jiří (vedoucí práce)
Bakalářská práce bude zaměřena na zhodnocení finanční situace tří vybraných podniků z různých odvětvích a na jejich dopady covidových opatřeních z krátkodobého hlediska. Práce bude obsahovat teoretickou i praktickou část. V teoretické části budou uvedeny veškerá teoretická východiska potřebná pro dosažení hlavního cíle práce. V praktické části bude provedena analýza tří podniku v letech 2017–2020 s využitím metod uvedených v teoretické části. Tato analýza bude doplněna bankrotním a bonitním modelem a predikcí časových řad. Následně se shrnou veškeré zjištěné poznatky a zjednodušeně navrženy návrhy, na co by se společnosti měli zaměřit k efektivnímu vedení společnosti.
|
|
|
Využití umělé inteligence na kapitálových trzích
Skočík, Michal ; Pekárek, Jan (oponent) ; Budík, Jan (vedoucí práce)
Práce je zaměřena na problematiku týkající se umělých neuronových sítí a jejich využití na kapitálových trzích. V práci je vytvořen program, pomocí kterého se načtou vstupní data a vytvoří se neuronová síť, která slouží k predikci vývoje cen akcií. Tento program je vytvořen pomocí výpočetního prostředí MATLAB. Vytvořená síť je testována na simulaci obchodního modelu. Na základě výsledku simulace jsou diskutovány výsledky.
|
|
|
Algoritmické obchodování na burze s využitím umělých neuronových sítí
Chlud, Michal ; Pešán, Jan (oponent) ; Szőke, Igor (vedoucí práce)
Tato diplomová práce se zabývá algoritmickým obchodováním na burze s využitím umělých neuronových sítí. V první částí jsou popsány základní termíny týkající se obchodování na burze a algoritmického obchodování, také je zde k dispozici teoretický úvod do neuronových sítí. V druhé částí jsou specifikována data, na kterých bude probíhat simulace obchodování. Na těchto datech se také učí neuronová síť. Ta je využita pro predikci budoucí hodnoty trhu v automatické obchodní strategii. Ke konci je navzájem porovnáno několik strategií s různými variantami neuronových sítí.
|
|
|
Využití umělé inteligence na kapitálových trzích
Lajczyk, Pavel ; Budík, Jan (oponent) ; Dostál, Petr (vedoucí práce)
Tato práce se zabývá problematikou umělých neuronových sítí a možnostmi jejich využití při obchodování na kapitálových trzích. Dále je v práci popsán návrh a implementace nástroje založeného na umělých neuronových sítích, který slouží k predikci vývoje cen akcií. Tento nástroj je vytvořen prostřednictvím výpočetního prostředí MATLAB. Implementovaný nástroj je pak podroben experimentům a obchodní simulaci. Na závěr jsou diskutovány dosažené výsledky
|
host ::
RSS.