Zlepšení predikce automatizovaných obchodních strategií na základě různých externích zdrojů

Abstract

Cíl této práce je vylepšit dlouhodobé investiční strategie zvýšením efektivity investovaného kapitálu a snížením rizik. Analýza byla zpočátku zaměřena na dvě hlavní kryptoměny: Bitcoin a Ethereum. Byly testovány tři strategie: HODL, DCA a Hodinové Rebalancování. Na základě provedených testů byla pro další rozvoj vybrána strategie DCA. Vylepšená DCA strategie dynamicky upravuje výši investic na základě externích sentimentálních indikátorů, které se ukázaly jako více relevantní pro Bitcoin. Tento přístup umožňuje efektivnější alokaci kapitálu a zároveň pomáhá vyhnout se přehřátým tržním podmínkám. Závěrečné výsledky ukazují, že vylepšená strategie DCA dosáhla vyšších zisků s nižším objemem investovaného kapitálu, a nabízí tak efektivnější alternativu k tradičním dlouhodobým investičním přístupům.

This thesis aims to enhance long-term investment strategies by improving capital efficiency and risk management. The analysis initially focused on two major cryptocurrencies: Bitcoin and Ethereum. Three strategies were tested: HODL, Dollar-Cost Averaging, and Hourly Rebalancing. After conducting tests, the Dollar-Cost Averaging strategy was chosen for further development. The Improved DCA approach dynamically adjusts investment amounts based on sentiment-driven external indicators, which were found to be more relevant for Bitcoin. This sentiment-driven adjustment allows investors to allocate capital more effectively while avoiding overheated market conditions. The final results demonstrate that the improved DCA strategy achieved higher returns with less invested capital, providing a more efficient alternative to traditional long-term investment methods.