Aplikace machine learning metod pro predikci akciových výnosů
| Název práce: | Aplikace machine learning metod pro predikci akciových výnosů |
|---|---|
| Autor(ka) práce: | Beránek, Petr |
| Typ práce: | Diplomová práce |
| Vedoucí práce: | Fičura, Milan |
| Oponenti práce: | Folprecht, Marek |
| Jazyk práce: | Česky |
| Abstrakt: | Tato diplomová práce se zaměřuje na metody strojového učení a jejich aplikace ve finančním sektoru, a to zejména na akciovém trhu. První část textu má za cíl vysvětlit základní strukturu metod strojového učení a matematicko-statistické principy, na kterých stojí a ukázat ilustrativní nebo empirický příklad. V druhé části textu se na datech indexu S&P500 trénují vybrané modely a následně se tvoří predikce, ke kterým je věnován komentář. V závěru se vyhodnotí nejúspěšnější a statisticky nejzdravější model strojového učení a celkové zhodnocení práce. Hlavním cílem práce je čtenáři přiblížit fungování metod, které jsou běžně nálepkovány slovem „black-box“ a ukázat, že ačkoliv je ve většině situacích nemožné do detailu pozorovat proces učení a predikce, tak se pořád jedná o statistiku v kombinaci s náhodou. |
| Klíčová slova: | Random Forest; NN; Machine Learning; XGBoost; akcie |
| Název práce: | Application of machine learning methods for stock returns prediction |
|---|---|
| Autor(ka) práce: | Beránek, Petr |
| Typ práce: | Diploma thesis |
| Vedoucí práce: | Fičura, Milan |
| Oponenti práce: | Folprecht, Marek |
| Jazyk práce: | Česky |
| Abstrakt: | This diploma thesis focuses on machine learning methods and their applications in the financial sector, especially in the stock market. The first part of the text aims to explain the basic structure of machine learning methods and the mathematical and statistical principles underlying them and to show an illustrative or empirical example. In the second part of the text, selected models are trained on data from the S&P500 index in order to make predictions, which are commented on. Finally, the most successful and statistically robust machine learning model is evaluated and an overall assessment of the work is made. The main goal of the work is to introduce the reader to the workings of methods that are commonly labelled "black-box" and to show that although it is impossible to observe the learning and prediction process in detail in most situations, it is still a combination of statistics and randomness. |
| Klíčová slova: | XGBoost; NN; stocks; Random Forest; Machine Learning |
Informace o studiu
| Studijní program / obor: | Finanční inženýrství |
|---|---|
| Typ studijního programu: | Magisterský studijní program |
| Přidělovaná hodnost: | Ing. |
| Instituce přidělující hodnost: | Vysoká škola ekonomická v Praze |
| Fakulta: | Fakulta financí a účetnictví |
| Katedra: | Katedra bankovnictví a pojišťovnictví |
Informace o odevzdání a obhajobě
| Datum zadání práce: | 24. 10. 2023 |
|---|---|
| Datum podání práce: | 26. 5. 2025 |
| Datum obhajoby: | 18. 6. 2025 |
| Identifikátor v systému InSIS: | https://insis.vse.cz/zp/86201/podrobnosti |