Využití zpětnovazebného učení pro automatickou alokaci akciového portfolia
| but.committee | doc. Ing. František Zbořil, Ph.D. (předseda) doc. RNDr. Dana Hliněná, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) doc. Ing. Michal Bidlo, Ph.D. (člen) Ing. Vladimír Veselý, Ph.D. (člen) | cs |
| but.defence | Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B. | cs |
| but.jazyk | angličtina (English) | |
| but.program | Informační technologie | cs |
| but.result | práce byla úspěšně obhájena | cs |
| dc.contributor.advisor | Češka, Milan | en |
| dc.contributor.author | Lapeš, Zdeněk | en |
| dc.contributor.referee | Andriushchenko, Roman | en |
| dc.date.created | 2023 | cs |
| dc.description.abstract | Tato práce je zaměřena na téma posilovacího učení aplikovaného na úlohu alokace portfolia. K dosažení tohoto cíle práce nejprve uvádí přehled základní teorie, která zahrnuje nejnovější metody založené na hodnotách a politikách. Následně je v práci popsáno prostředí port- folia Stock a nakonec jsou uvedeny podrobnosti o experimentu a implementaci. Podrobně je rozebrána tvorba datových souborů a její zdůvodnění a metodika. RL agent je poté vy- cvičen a otestován na třech datových sadách a získané výsledky jsou slibné a překonávají běžné benchmarky. Bylo však zjištěno, že roční výnos agenta stále není lepší než výnosy generované nejlepšími světovými investory. Pipeline byla implementována v jazyce Python 3.10 a ke sledování všech datových sad, modelů a hyperparametrů byla použita technologie Weights & Biases. Závěrem lze říci, že tato práce představuje významný krok vpřed ve vývoji efektivnějších RL agentů pro finanční investice, kteří mají potenciál překonat i výkonnost nejlepších světových investorů. | en |
| dc.description.abstract | This thesis is focused on the topic of reinforcement learning applied to a task of portfolio allocation. To accomplish this objective, the thesis first presents an overview of the fundamental theory, which includes the latest value-based and policy-based methods. Following that, the thesis describes the Stock portfolio environment, and finally, the experimental and implementation details are presented. The creation of datasets is discussed in detail, along with the rationale and methodology behind it. The RL agent is then trained and tested on three datasets, and the results obtained are promising and outperform common benchmarks. However, it was discovered that the annual return of the agent is still not better than the returns generated by the world’s top investors. The pipeline was implemented in Python 3.10, and technology from Weights & Biases was used to monitor all datasets, models, and hyperparameters. In conclusion, this work represents a significant step forward in the development of more effective RL agents for financial investments, with the potential to exceed even the performance of the world’s greatest investors. | cs |
| dc.description.mark | B | cs |
| dc.identifier.citation | LAPEŠ, Z. Využití zpětnovazebného učení pro automatickou alokaci akciového portfolia [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023. | cs |
| dc.identifier.other | 148202 | cs |
| dc.identifier.uri | http://hdl.handle.net/11012/211152 | |
| dc.language.iso | en | cs |
| dc.publisher | Vysoké učení technické v Brně. Fakulta informačních technologií | cs |
| dc.rights | Standardní licenční smlouva - přístup k plnému textu bez omezení | cs |
| dc.subject | umělá inteligence | en |
| dc.subject | posilované učení | en |
| dc.subject | aktor-kritik | en |
| dc.subject | neuronové sítě | en |
| dc.subject | alokace akciového portfolia | en |
| dc.subject | teorie alokace portfolia | en |
| dc.subject | akciový trh | en |
| dc.subject | artificial intelligence | cs |
| dc.subject | reinforcement learning | cs |
| dc.subject | actor-critic | cs |
| dc.subject | neural networks | cs |
| dc.subject | stock portfolio allocation | cs |
| dc.subject | portfolio allocation theory | cs |
| dc.subject | stock market | cs |
| dc.title | Využití zpětnovazebného učení pro automatickou alokaci akciového portfolia | en |
| dc.title.alternative | Reinforcement Learning for Automated Stock Portfolio Allocation | cs |
| dc.type | Text | cs |
| dc.type.driver | bachelorThesis | en |
| dc.type.evskp | bakalářská práce | cs |
| dcterms.dateAccepted | 2023-06-15 | cs |
| dcterms.modified | 2023-06-15-10:25:14 | cs |
| eprints.affiliatedInstitution.faculty | Fakulta informačních technologií | cs |
| sync.item.dbid | 148202 | en |
| sync.item.dbtype | ZP | en |
| sync.item.insts | 2025.03.18 20:59:30 | en |
| sync.item.modts | 2025.01.15 15:31:57 | en |
| thesis.discipline | Informační technologie | cs |
| thesis.grantor | Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů | cs |
| thesis.level | Bakalářský | cs |
| thesis.name | Bc. | cs |
Files
Original bundle
1 - 3 of 3
Loading...
- Name:
- final-thesis.pdf
- Size:
- 5.29 MB
- Format:
- Adobe Portable Document Format
- Description:
- final-thesis.pdf
Loading...
- Name:
- review_148202.html
- Size:
- 10.72 KB
- Format:
- Hypertext Markup Language
- Description:
- file review_148202.html