|
|
Automatické obchodování kryptoměn
Vorobiev, Nikolaj ; Hrubý, Martin (oponent) ; Rozman, Jaroslav (vedoucí práce)
Tato práce se zabývá obchodováním na kryptoměnovém trhu. V teoretické části práce jsou popsány principy obchodování, technické analýzy, obchodních systémů a neuronových sítí. Po provedené rešerši brokerů společnost Binance je zvolena v roli zprostředkovatele obchodování a poskytovatele "real-time" dat; společnost CryptoDataDownload je zvolena v roli poskytovatele historických dat. Po seznámení se s použitými technologiemi, jsou navrženy prvky informačních obchodních systémů, umožňující komunikaci se vzdálenými servery a mezi sebou, za účelem obchodování, získávání a souběžného zpracovávání uživatelských, historických nebo "real-time" dat. Výsledné systémy mají poskytnout uživateli možnost manuálně, poloautomaticky (podle předem daného plánu) nebo automaticky (na základě rozhodnutí rekurentní neuronové sítě, naučené na historických datech) obchodovat a reagovat na změnu tendencí na trhu. Dále se práce přesouvá do praktické roviny, obsahující implementaci a experimenty nad vytvořenými systémy. V závěrečné části práce jsou zhodnoceny výsledky a jsou popsány možnosti vylepšení a rozšíření.
|
|
|
Investiční prostředí ve virtuální real cash ekonomice
Lehnert, Filip ; Hlavinka, Roman (oponent) ; Budík, Jan (vedoucí práce)
Předmětem této diplomové práce je seznámení čtenáře s problematikou možných finančních investic ve virtuální ekonomice s reálnými peněžními prostředky a navržení strategie vedoucí k co největšímu zhodnocení počátečního kapitálu. V úvodu vystihuje analýzu virtuální měny PED, ekonomiky a systém veřejně obchodovatelných akcií. Hlavní část práce je zaměřena na představení výsledků prakticky obchodované investice vycházející z fundamentální analýzy, spekulací o vnitřní hodnotě akcie a vyhodnocení aplikované strategie včetně přínosů práce.
|
|
|
Algoritmické obchodování na burze s využitím dat z Twitteru
Kříž, Jakub ; Plchot, Oldřich (oponent) ; Szőke, Igor (vedoucí práce)
Práce se zabývá tvorbou systému, který na základě analýzy historických burzovních dat a zpráv z Twitteru predikuje budoucí vývoj trhu. Tweety ze dvou různých sad jsou analyzovány pomocí náladových slovníků nebo přes rekurentní neuronovou síť. Z výsledků této analýzy a technické analýzy burzovních dat je pomocí vrstvené neuronové sítě prováděna predikce. Dle predikce poté systém vytvoří a otestuje obchodní strategii. V rámci práce je navržen a implementován celý systém, který pomocí dat z analýzy tweetů dosáhl zvýšení výnosu některých obchodních strategií o více než 25 %. Toto zlepšení však platí jen pro konkrétní data a časové období.
|
|
|
Technická analýza
Okruhľanský, Lukáš ; Šustrová, Tereza (oponent) ; Novotná, Veronika (vedoucí práce)
Predmetom mojej diplomovej práce je technická analýza. Teoretická časť sa zaoberá priblížením problematiky z teoretického hľadiska a popisom jednotlivých jej metód, v druhej časti sa zaoberám praktickým využitím technickej analýzy pri obchodovaní na finančnom trhu. V závere práce vyhodnotím efekt využitia technickej analýzy v praxi, a to všeobecne, aj v konkrétnych mnou skúmaných prípadoch, zhrniem jej výhody a nevýhody
|
|
|
AOS: Nastroj pro analýzu grafu
Siebert, Martin ; Holkovič, Martin (oponent) ; Trchalík, Roman (vedoucí práce)
Cieľom tejto bakalárskej práce je navrhnúť a implementovať nástroj slúžiaci k analýze grafu tržných dát. Jednou z hlavných požiadaviek návrhu je jednoduchá modifikovateľnosť a udržiavateľnosť zdrojového kódu. Tento cieľ je dosiahnutý pomocou achitektúry MVC a vytváraním na sebe nezávislých komponentov systému. Výsledná aplikácia zaisťuje získanie dát z obchodnej platformy, vykonáva výpočet podľa požiadaviek a zobrazuje informácie v grafe. Výpočet je realizovaný pre každý modul zvlášť s tým, že jednotlivé moduly môžu tvoriť viacero postupností rôznej dĺžky. V rámci tejto práce je implemetovaných päť analytických modulov a vytvorené dve vzorové prípadové štúdie.
|
|
|
Algorithmics to Support Decision-making in Financial Markets
Kvapil, Juraj ; Budík, Jan (oponent) ; Dostál, Petr (vedoucí práce)
The diploma thesis is focused on area of algorithmic trading. The main focus in this thesis is aimed towards algorithmic solution to arbitrage trading scheme. This system can be categorized as a high frequency trading system that can trade almost risk free in case that ideal technical conditions are met. Model in this thesis is backtested on cryptocurrency Bitcoin, the reason for that is balance between asset liquidity and amount of opportunities that occur on markets for this trading model. System can be used as well on other instruments that have similar characteristics. The main use case for this tool is to provide real time information for trader about occurring opportunities. Used software core has also ability to place automated trading orders based on results of analysis.
|
|
|
The Use of Artificial Intelligence on Financial Markets
Hortai, František ; Budík, Jan (oponent) ; Dostál, Petr (vedoucí práce)
This thesis deals with the design of a model for trading on financial markets by using artificial intelligence. The work describes some methods of artificial intelligence, description of financial market and stock market trading. The result of this work is a model of an expert system which uses fuzzy logic for investing and a functional model for predicting the course of shares trends using artificial neural networks. Both models algorithms were designed and tested in MATLAB.
|
|
|
Adaptive Trading Strategies for Cryptocurrencies
Filip, Marek ; Perešíni, Martin (oponent) ; Homoliak, Ivan (vedoucí práce)
Cryptocurrency trading strategies are based on either rising or falling markets, however, they fail when applied to the wrong trend in a volatile market. This thesis explores the idea of cryptocurrency trading in rising and falling markets with adaptive strategies that can adjust to current market trends in order to maximize effectiveness. The problem is solved by analyzing the Bitcoin price, creating risk metric and focusing on the function's extrema. Both long-term and short-term options are explored. An extensible backtester program is created to evaluate the strategies and plot the time series. The results are compared to traditional approaches like HODL and rebalance, the profits can multiply more than three times using the right criteria. The thesis offers new ways of gaining profit to cryptocurrency investors, as well as giving readers insight into creating (adaptive) trading strategies and backtesting them in code. The output of the thesis is expected to be used by automated trading systems.
|
|
| |
|
| |
host ::
RSS.