Posudky závěrečné kvalifikační práce

Posudek vedoucího

Budík, Jan

Studen v diplomové práci provedl aplikaci metod umělé inteligence pro predikci cen finančních instrumentů. Toto téma považuji nejen za velmi aktuální, ale také sofistikované z hlediska použitých technologií. Dosažené výsledky a samotná aplikace použitých metod je velmi zajímavá.

Dílčí hodnocení
Kritérium	Známka	Body	Slovní hodnocení
Splnění stanovených cílů	A
Zvolený postup řešení, adekvátnost použitých metod	B
Schopnost interpretovat dosažené výsledky a vyvozovat z nich závěry	C
Praktická využitelnost výsledků	C
Uspořádání práce, formální náležitosti, použitá terminologie a odborná jazyková úroveň	B
Práce s informačními zdroji, včetně citací	A

Navrhovaná známka: B

Posudek oponenta

Pekárek, Jan

Autor ve své práci představuje automatický obchodní systém založený na neuronových sítích a aplikovaný na akciové trhy. Pro jeho tvorbu využívá prostředí softwaru Matlab. V teoretické části práce popisuje velmi stručně velmi široké spektrum nástrojů a teoretických oblastí, které často nejsou dále v práci použity. Teoretická část obsahuje množství terminologických chyb, případně překlepů, někdy nešťastných zavádějících formulací, z čehož může čtenář nabýt dojmu, že autor nemá v teoretické rovině zcela jasno. To zejména platí pro kapitolu o neuronových sítích. Ve značně stručné analytické části, která v podstatě sestává pouze z několika grafů a jejich popisu, se autor bohužel dopouští závažné chyby v prezentaci dat a to v použití různého měřítka svislé osy. V takové situaci totiž vypadají dvě podobné časové řady vizuálně značně odlišně, i když ve skutečnosti až tak odlišné nejsou.To způsobuje, že autor vyvozuje nesprávný závěr o jejich odlišné "chaotičnosti", přičemž má zřejmě na mysli spíše odlišnou volatilitu. Používat nesprávně pojem "chaotičnost" by se dalo za jiných okolností tolerovat, ne však v případě, kdy autor v teoretické části zmiňuje Lyapunovův exponent. Praktická část práce je zpracovaná standardně kvalitně, bohužel bez významné invence, nebo výjimečné obtížnosti. Optimalizace dvou parametrů sítě probíhá hrubou silou, přičemž autor používá jak MSE, tak úspěšnost predikce, jako veličiny účelové funkce. Není zřejmé, proč autora zajímá MSE, když sleduje pouze kvalitativní informace: dobrý / špatný obchod. Poslední kapitola 3.5.1 je zařazena zcela nelogicky, na konec (o podmínku predikovatelnosti se musím zajímat hned na začátku, ještě před samotnou predikcí). Práce obsahuje značné množství překlepů a v menší míře i gramatických chyb. Použitá literatura není příliš bohatá a obsahuje pouze minimum zdrojů z nedávné doby. Nejsou použity žádné odborné články.

Dílčí hodnocení
Kritérium	Známka	Body	Slovní hodnocení
Splnění stanovených cílů	B
Zvolený postup řešení, adekvátnost použitých metod	D
Schopnost interpretovat dosažené výsledky a vyvozovat z nich závěry	C
Praktická využitelnost výsledků	C
Struktura práce, použitá terminologie a odborná jazyková úroveň	C
Práce s informačními zdroji	C

Navrhovaná známka: C

Otázky

Čtyři z pěti akciových titulů mají ve sledovaném období jednoznačně rostoucí trend. Nebylo by rozumnější tento rostoucí trend předpokládat i v budoucnu a investovat se záměrem akcie dlouhodobě držet, namísto krátkodobě spekulovat o jejich cenových výkyvech?
V kapitolách 3.3 Simulace sítě, 3.4 Predikce a 3.5 Shrnutí výsledků jsem nikde nenašel graf vývoje balance účtu simulovaného obchodování, ani jiný jednoznačný grafický indikátor toho, jak sledovat celkovou úspěšnost navrženého obchodního modelu v čase. Mohl by jej autor poskytnout a okomentovat, případně blíže vysvětlit uvedené hodnoty ziskovosti jednotlivých modelů?