Filtrace odlehlých hodnot z vysokofrekvenčních obchodních dat
| Název práce: | Outlier Filtering in High-Frequency Trade Data |
|---|---|
| Autor(ka) práce: | Lebeda, Michal |
| Typ práce: | Diploma thesis |
| Vedoucí práce: | Holý, Vladimír |
| Oponenti práce: | Tomanová, Petra |
| Jazyk práce: | English |
| Abstrakt: | This thesis studies outlier filtering in high-frequency trade data. The work designs and implements a reproducible processing pipeline for timestamped trade records and compares several cleaning approaches on a stock dataset obtained from Refinitiv Eikon. The pipeline separates shared mechanical preprocessing, including trading-hours filtering, zero-price removal, and same-timestamp aggregation, from statistical filtering of anomalous prices. The evaluated statistical methods include Brownlees-Gallo style filters, local outlier factor, local outlier probabilities, and local distance-based variants. Their effects are assessed through direct retention summaries, visual examples of local filtering behavior, autoregressive conditional duration diagnostics, and realized-kernel volatility summaries. The results show that filtering choices materially change the retained trade series and downstream diagnostics, so outlier removal should be treated as a core methodological step in high-frequency data analysis rather than as a purely technical preprocessing detail. |
| Klíčová slova: | local outlier probabilities; high-frequency trade data; outlier filtering; data cleaning; realized-kernel volatility; Brownlees-Gallo filter; local outlier factor |
| Název práce: | Filtrace odlehlých hodnot z vysokofrekvenčních obchodních dat |
|---|---|
| Autor(ka) práce: | Lebeda, Michal |
| Typ práce: | Diplomová práce |
| Vedoucí práce: | Holý, Vladimír |
| Oponenti práce: | Tomanová, Petra |
| Jazyk práce: | English |
| Abstrakt: | Tato diplomová práce se zabývá filtrováním odlehlých pozorování ve vysokofrekvenčních obchodních datech. Práce navrhuje a implementuje reprodukovatelný postup pro záznamy obchodů v čase a porovnává několik přístupů k čištění na akciovém datasetu získaném ze služby Refinitiv Eikon. Odděluje společné mechanické předzpracování, které zahrnuje filtrování dle obchodních hodin, odstranění nulových cen a agregaci obchodů se stejnou časovou značkou, od statistického filtrování anomálních cen. Hodnocené statistické metody zahrnují filtry ve stylu Brownlees-Gallo, lokální faktor odlehlosti, lokální pravděpodobnosti odlehlosti a varianty založené na lokální vzdálenosti. Jejich dopady jsou posuzovány pomocí přímých souhrnů retence dat, vizuálních příkladů lokálního chování filtrů, diagnostiky autoregresních modelů podmíněného trvání a souhrnů realizované kernelové volatility. Výsledky ukazují, že volba filtru významně ovlivňuje zachovanou řadu obchodů i navazující diagnostiky. Odstraňování odlehlých pozorování by proto mělo být ve vysokofrekvenční analýze dat chápáno jako metodologicky důležitý krok, nikoli pouze jako technické předzpracování. |
| Klíčová slova: | vysokofrekvenční obchodní data; filtrování odlehlých pozorování; Brownlees-Gallo filtr; realizovaná kernelová volatilita; čištění dat; lokální faktor odlehlosti; lokální pravděpodobnosti odlehlosti |
Informace o studiu
| Studijní program / obor: | Kognitivní informatika |
|---|---|
| Typ studijního programu: | Magisterský studijní program |
| Přidělovaná hodnost: | Ing. |
| Instituce přidělující hodnost: | Vysoká škola ekonomická v Praze |
| Fakulta: | Fakulta informatiky a statistiky |
| Katedra: | Katedra ekonometrie |
Informace o odevzdání a obhajobě
| Datum zadání práce: | 13. 5. 2025 |
|---|---|
| Datum podání práce: | 4. 5. 2026 |
| Datum obhajoby: | 9. 6. 2026 |
| Identifikátor v systému InSIS: | https://insis.vse.cz/zp/92373/podrobnosti |