Analýza a srovnání modelů binární volby při predikci směru pohybu akciových indexů
Autor(ka) práce:
Chaloupka, Karel
Typ práce:
Bakalářská práce
Vedoucí práce:
Neugebauer, Jakub
Oponenti práce:
Rejthar, Jan
Jazyk práce:
Česky
Abstrakt:
Tato práce se zabývá srovnáním klasických ekonometrických modelů binární volby a mo- derních algoritmů strojového učení při predikci směrového pohybu cen akciových indexů. Hlavním cílem práce je posoudit, zda metody strojového učení, jako jsou Random Forest či Gradient Boosting, poskytují signifikantně přesnější predikce než klasická logistická regrese, a identifikovat faktory, které tuto úspěšnost ovlivňují. Cílem práce je také zjistit, zda se pre- dikční schopnost modelů liší u akciových indexů plně rozvinutých trhů (SP 500) a indexů rozvíjejících se trhů (PX, WIG20).
Klíčová slova:
walk-forward validace; predikce akciových indexů; rozvíjející se trhy; logistická regrese
Název práce:
Analysis and Comparison of Binary Choice Models for Predicting the Directional Movement of Stock Indices
Autor(ka) práce:
Chaloupka, Karel
Typ práce:
Bachelor thesis
Vedoucí práce:
Neugebauer, Jakub
Oponenti práce:
Rejthar, Jan
Jazyk práce:
Česky
Abstrakt:
This thesis compares classical econometric binary choice models with modern machine learning algorithms in predicting the directional movement of stock index returns. The main objective is to assess whether machine learning methods, such as Random Forest, LASSO logistic regression, and XGBoost, provide more accurate predictions than standard logistic regression, and to identify the factors that influence predictive performance. The thesis also examines whether the predictability of stock index returns differs between developed (S&P 500) and emerging markets (PX, WIG20).