V rámci práce byla zjišťována účinnost umělých neuronových sítí při obchodování na akciových trzích. Předmětem práce byl také proces optimalizace nastavení parametrů umělých neuronových sítí, kdy výsledná predikční účinnost byla stanovena právě na základě aplikace optimalizovaných nastavení parametrů umělých neuronových sítí.
Anotace v angličtině
In this work was evaluated the effectiveness of artificial neural networks in trading on the stock markets. The subject of the work was the process of optimizing parameters of artificial neural networks, the resulting predictive efficiency was determined on the basis of the application being optimized parameters of neural networks.
V rámci práce byla zjišťována účinnost umělých neuronových sítí při obchodování na akciových trzích. Předmětem práce byl také proces optimalizace nastavení parametrů umělých neuronových sítí, kdy výsledná predikční účinnost byla stanovena právě na základě aplikace optimalizovaných nastavení parametrů umělých neuronových sítí.
Anotace v angličtině
In this work was evaluated the effectiveness of artificial neural networks in trading on the stock markets. The subject of the work was the process of optimizing parameters of artificial neural networks, the resulting predictive efficiency was determined on the basis of the application being optimized parameters of neural networks.
Cíl práce spočívá v identifikaci vztahů mezi množinou vybraných instrumentů technické a fundamentální analýzy a jejich následné využití pro predikci pravděpodobného trendu vývoje vybraného akciového titulu.
Metodický postup:
Studiem odborné literatury z oblasti kapitálových trhů a aplikované statistiky budou získány teoretické znalosti. S využitím takto získaných znalostí bude provedena analýza výše specifikovaných vztahů a bude sestaven klasifikační model. Při vyhodnocování bude využito programovací prostředí R. Pro tento klasifikační model bude následně stanovena jeho predikční účinnost. Data budou získána z výročních zpráv a burzovních záznamů (BCPP resp. Xetra).
Hlavní body metodického postupu:
Studium literatury.
Sekundární výzkum - získání dat.
Analýza vztahů a konstrukce klasifikačního modelu.
Odhad predikční účinnosti.
Formulace závěrů a diskuse.
Zásady pro vypracování
Cíl práce spočívá v identifikaci vztahů mezi množinou vybraných instrumentů technické a fundamentální analýzy a jejich následné využití pro predikci pravděpodobného trendu vývoje vybraného akciového titulu.
Metodický postup:
Studiem odborné literatury z oblasti kapitálových trhů a aplikované statistiky budou získány teoretické znalosti. S využitím takto získaných znalostí bude provedena analýza výše specifikovaných vztahů a bude sestaven klasifikační model. Při vyhodnocování bude využito programovací prostředí R. Pro tento klasifikační model bude následně stanovena jeho predikční účinnost. Data budou získána z výročních zpráv a burzovních záznamů (BCPP resp. Xetra).
Hlavní body metodického postupu:
Studium literatury.
Sekundární výzkum - získání dat.
Analýza vztahů a konstrukce klasifikačního modelu.
Odhad predikční účinnosti.
Formulace závěrů a diskuse.
Seznam doporučené literatury
CRAWLEY, Michael J. Statistical computing: an introduction to data analysis using S-Plus. New York: Wiley, c2002, ix, 761 p. ISBN 04-715-6040-5.
HASTIE, T., R. TIBSHIRANI a J. FRIEDMAN. The elements of statistical learning: data mining, inference, and prediction. 2nd ed. New York: Springer, 2009, xxii, 745 s. ISBN 978-0-387-84857-0.
HEBÁK, P. a J. HUSTOPECKÝ. Vícerozměrné statistické metody. 2., přeprac. vyd. Praha: Informatorium, 2007, 253 s. ISBN 978-80-7333-056-9.
HINDLS, R., S. HRONOVÁ, J. SEGR a J. FISCHER. Statistika pro ekonomy. 8. vyd. Praha: Professional Publishing, 2007, 415 s. ISBN 978-80-86946-43-6.
MUSÍLEK, P. Trhy cenných papírů. 2., aktualiz. a rozš. vyd. Praha: Ekopress, 2011, 520 s. ISBN 978-80-86929-70-5.
VENABLES, W., B. D. RIPLEY a W. VENABLES. Modern applied statistics with S. 4th ed. New York: Springer, c2002, xi, 495 p. ISBN 03-879-5457-0.
VESELÁ, J. Investování na kapitálových trzích. 2., aktualiz. vyd. Praha: Wolters Kluwer Česká republika, 2011, 789 s. ISBN 978-80-7357-647-9.
Seznam doporučené literatury
CRAWLEY, Michael J. Statistical computing: an introduction to data analysis using S-Plus. New York: Wiley, c2002, ix, 761 p. ISBN 04-715-6040-5.
HASTIE, T., R. TIBSHIRANI a J. FRIEDMAN. The elements of statistical learning: data mining, inference, and prediction. 2nd ed. New York: Springer, 2009, xxii, 745 s. ISBN 978-0-387-84857-0.
HEBÁK, P. a J. HUSTOPECKÝ. Vícerozměrné statistické metody. 2., přeprac. vyd. Praha: Informatorium, 2007, 253 s. ISBN 978-80-7333-056-9.
HINDLS, R., S. HRONOVÁ, J. SEGR a J. FISCHER. Statistika pro ekonomy. 8. vyd. Praha: Professional Publishing, 2007, 415 s. ISBN 978-80-86946-43-6.
MUSÍLEK, P. Trhy cenných papírů. 2., aktualiz. a rozš. vyd. Praha: Ekopress, 2011, 520 s. ISBN 978-80-86929-70-5.
VENABLES, W., B. D. RIPLEY a W. VENABLES. Modern applied statistics with S. 4th ed. New York: Springer, c2002, xi, 495 p. ISBN 03-879-5457-0.
VESELÁ, J. Investování na kapitálových trzích. 2., aktualiz. vyd. Praha: Wolters Kluwer Česká republika, 2011, 789 s. ISBN 978-80-7357-647-9.