LAPEŠ, Z. Využití zpětnovazebného učení pro automatickou alokaci akciového portfolia [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.

Posudky

Posudek vedoucího

Češka, Milan

Ačkoliv některé ambice tohoto zadání nebyly naplněny (viz výše), mohu konstatovat, že jsem s prací studenta celkově velice spokojen. Student prokázal samostatnou a tvůrčí práci v netriviální oblasti na pomezí strojového učení a ekonomie. Výsledný dojem z BP je rovněž velice dobrý a tudíž navrhuji hodnotit tuto BP stupněm B.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Informace k zadání Jedná se o obtížnější zadání, které vzešlo od studenta a které vyžadovalo pochopení základních principů zpětnovazebného učení a jejich nasazení do oblasti automatizace obchodování s akciemi. Mohu konstatovat, že student splnil všechny body zadaní, ačkoliv bod vyžadující vylepšení existujících metod se ukázal být dosti náročný a student ho splnil pouze v menším rozsahu.
Práce s literaturou Student kvalitně zpracoval doporučenou literaturu a provedl rozumnou rešerši souvisejících publikací, kterou promítl do BP.
Aktivita během řešení, konzultace, komunikace V průběhu celého roku student aktivně pracoval na BP, dodržoval dohodnuté termíny a dostatečně konzultoval svůj postup. Velice oceňuji, že student pracoval samostatně a prokázal schopnost se sám zorientovat v relativně obtížné a pro studenta i vedoucího nové oblasti.
Aktivita při dokončování Student dokončil realizační část v dostatečném předstihu a tudíž mu zbylo dostatek času na sepsání textové části, kterou jsme spolu několikrát konzultovali. Ačkoliv mám k některým částem obsahové připomínky, celkově je textová část BP na velice dobré úrovni.
Publikační činnost, ocenění Dle mého názoru dosažené výsledky zatím nejsou dostatečně silné k přípravě publikace. Realizační a experimentální výstup je však dobře zpracovaný a do budoucna může být užitečný pro studium a pochopení této problematiky.
Navrhovaná známka
B
Body
85

Posudek oponenta

Andriushchenko, Roman

Daná bakalářská práce se trochu odklání od zadání a celkově postrádá inovativnost. Každopádně autor prokázal znalost state of the art v oblasti zpětnovazebného učení pro automatickou alokaci akciového portfolia a dokázal vytvořit funkční a velice dobře zdokumentovaný framework. Daný framework, jak autor demonstruje pomoci velmi důkladného experimentálního vyhodnocení, umí překonat standardní strategie. Proto navrhuji práci hodnotit známkou dobře (C) .

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Náročnost zadání
Rozsah splnění požadavků zadání Práce obsahuje detailní popis stávajících přístupů používaných pro automatizovanou alokaci akciového portfolia, avšak chybí jejich experimentální porovnání a následná identifikace jejich slabých míst (2. bod zadání). Rovněž chybí explicitní popis s jakým vylepšením existujících technik autor přišel (3. bod zadání). Každopádně příprava nových datasetů a vysoce kvalitní implementace vedly k tomu, že navržený framework umožňuje alokaci akciového portfolia porážející standardní strategie a většinu porovnávaných indexů. Proto celkově považuji zadání jako splněné, i když s výhradami.
Rozsah technické zprávy
Prezentační úroveň technické zprávy 75 Struktura práce je navržená logicky, kapitoly na sebe navazují. Nicméně některé části jsou rozebrány až příliš podrobně: např. autor podrobně rozebírá metody pro value- a policy-based learning (2.3 a 2.4) včetně odvození matematických vzorců, aniž by všechny tyto metody pak používal. Podobně autor podrobně popisuje význam různých charakteristik dat (3.1.3), i když tyto informace nejsou vůbec potřeba k pochopení zbytku textu. Naopak mi chyběl popis DRL metod (A2C, SAC apod.) použitých pro nastavení hyperparametrů. Chválím velice pečlivé a důkladné experimentální vyhodnocení navrženého frameworku.
Formální úprava technické zprávy 90 Typografie bez větších připomínek. Text je psán solidní angličtinou se zanedbatelným množstvím chyb.
Práce s literaturou 75 Volba literárních zdrojů odpovídá řešené problematice a použité zdroje jsou většinou vhodně citované. Připomínky: - v definici Markovského řetězce se autor odkazuje na článek z roku 2021 - konkrétní DRL techniky použité pro nastavení hyperparametrů (A2C, SAC apod.) nejsou citovány, dokonce ani adaptivní DDPG (ICML'19) uvedená jako doporučená literatura v zadání - ve mnoha sekcích každý paragraf je ukončen citací, často na ten stejný zdroj: stačilo by uvést zdroj jenom jednou, např. na začátku kde se uvádí předmět sekce
Realizační výstup 90 Vysoce kvalitní a velmi dobře zdokumentované realizační dílo.
Využitelnost výsledků Přestože navržený framework nepřekonává state-of-the-art nástroje pro automatizovanou alokaci akciového porfolia, autor demonstruje jeho výhody oproti standardním strategiím a většině porovnávaných indexů, takže určitě poslouží jako odrazový můstek pro budoucí výzkum.
Navrhovaná známka
C
Body
78

Otázky

eVSKP id 148202