Predikce vývoje kurzu pomocí umělých neuronových sítí

Loading...
Thumbnail Image

Date

Authors

Putna, Lukáš

Mark

B

Journal Title

Journal ISSN

Volume Title

Publisher

Vysoké učení technické v Brně. Fakulta informačních technologií

ORCID

Abstract

Tato diplomová práce se zabývá využitím neuronových sítí pro účely předpovědi vývoje kurzu trhů na burze. Zmiňuje základy teorie fungování burzy a obchodování na ní. V práci je dále popsána teorie neuronových sítí, jaké jsou možnosti jejich využití a jakým způsobem je vhodné neuronovou síť navrhnout pro danou aplikaci. V praktické části jsou navrženy dva predikční modely využívající neuronové sítě. Ty jsou dále využity navrženým obchodním modelem a simulovány na zvolených datech. Následně jsou výsledky porovnány s obchodním modelem člověka a náhodným obchodním modelem a jsou navrženy další směry vývoje systému.
This work deals with the usage of neural network for the purpose of stock market prediction. A basic stock market theory and trading approaches are mentioned at the beginning of this work. Then neural networks and their application are discussed with their deeper description. Similar approaches are referred and finally two new prediction systems are designed. These systems are utilized by proposed trading model and tested on selected data. The results are compared to human and random trading models and new development steps are devised at the end of this work.

Description

Citation

PUTNA, L. Predikce vývoje kurzu pomocí umělých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2011.

Document type

Document version

Date of access to the full text

Language of document

cs

Study field

Počítačová grafika a multimédia

Comittee

doc. Ing. Přemysl Kršek, Ph.D. (předseda) prof. RNDr. Alexandr Meduna, CSc. (místopředseda) Ing. Zbyněk Křivka, Ph.D. (člen) doc. Ing. Stanislav Racek, CSc. (člen) doc. RNDr. Pavel Smrž, Ph.D. (člen) Ing. Josef Strnadel, Ph.D. (člen)

Date of acceptance

2011-06-20

Defence

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se pak 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 ". Otázky u obhajoby: Uveďte, jak presně probíhala normalizace vstupních dat, a uveďte další vhodné metody normalizace. pro tránování upraveného predikčního modelu používáte mean square meření chyby. Nebylo by vhodnejší použít cross entropy criterium?

Result of defence

práce byla úspěšně obhájena

DOI

Collections

Endorsement

Review

Supplemented By

Referenced By

Citace PRO