Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 368)
Detail práce
   Přihlásit přes CAS
Machine Learning in Algorithmic Trading
Název práce v češtině: Strojové učení v algoritmickém obchodování
Název v anglickém jazyce: Machine Learning in Algorithmic Trading
Klíčová slova: Strojové učení|Algorimtické Obchodování|Svíčkové formace|Extreme Gradient Boosting|Obchodovací strategie
Klíčová slova anglicky: Machine Learning|Algorithmic Trading|Candlestick Patterns|Extreme Gradient Boosting|Trading Strategies
Akademický rok vypsání: 2018/2019
Typ práce: diplomová práce
Jazyk práce: angličtina
Ústav: Katedra teoretické informatiky a matematické logiky (32-KTIML)
Vedoucí / školitel: Mgr. Martin Pilát, Ph.D.
Řešitel: skrytý - zadáno a potvrzeno stud. odd.
Datum přihlášení: 07.04.2019
Datum zadání: 09.04.2019
Datum potvrzení stud. oddělením: 15.04.2019
Datum a čas obhajoby: 04.02.2021 08:30
Datum odevzdání elektronické podoby:05.01.2021
Datum odevzdání tištěné podoby:06.01.2021
Datum proběhlé obhajoby: 04.02.2021
Oponenti: Mgr. Roman Neruda, CSc.
 
 
 
Zásady pro vypracování
Algoritmické obchodování je rychle se rozvíjející oblast s možnými aplikacemi strojového učení a neuronových sítí. Cílem práce je prozkoumat, jakým způsobem se dají tyto techniky v algoritmickém obchodování využít a porovnat různé možnosti, např. jestli je lepší problém specifikovat jako regresi (předpověď následující ceny), nebo jako klasifikaci (předpověď směru pohybu, nebo rovnou optimálního obchodního příkazu).

Student se seznámí s literaturou týkající se algoritmického obchodování. Prozkoumá, jaké přístupy se používají a na základě toho navrhne experimenty, které otestují a porovnají jejich vhodnost. Na základě těchto experimentů potom navrhne vlastní postupy, které otestuje.
Seznam odborné literatury
[1] Huang, Boming, Yuxiang Huan, Li Da Xu, Lirong Zheng, and Zhuo Zou. "Automated trading systems statistical and machine learning methods and hardware implementation: a survey." Enterprise Information Systems 13, no. 1, pp. 132-144, Taylor and Francis, 2019. ISSN: 1751-7575, DOI: 10.1080/17517575.2018.1493145
[2] Deng, Yue, Feng Bao, Youyong Kong, Zhiquan Ren, and Qionghai Dai. "Deep direct reinforcement learning for financial signal representation and trading." IEEE Transactions on Neural Networks and Learning Systems 28, no. 3, pp. 653-664, IEEE, 2017. ISSN: 2162-237X, DOI: 10.1109/TNNLS.2016.2522401
[3] Fischer, Thomas, and Christopher Krauss. "Deep learning with long short-term memory networks for financial market predictions." European Journal of Operational Research 270, no. 2, pp. 654-669, Elsevier, 2018. ISSN: 0377-2217, DOI: 10.1016/j.ejor.2017.11.054
[4] Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep learning. MIT Press, 2016. ISBN: 978-0262035613.
 
Univerzita Karlova | Informační systém UK