Aplikácia umelej inteligencie pri obchodovaní na kapitálových trhoch

This thesis explores the application of artificial intelligence in capital markets trading, focusing on leveraging methods of artificial intelligence, particularly LSTM neural networks and PCA analysis, for predicting the direction of price movements in the Dow Jones Industrial Average index. The theoretical part presents quantitative trading methods, technical and fundamental indicators, and the principles of artificial intelligence. The empirical section analyzes model performance in optimizing predictive strategies. The results demonstrate that combining LSTM and PCA can enhance prediction accuracy and trading performance. The study highlights practical implications and the potential of AI in optimizing trading decisions, while identifying limitations and opportunities for further research, particularly in hybrid models and integrating alternative data sources.

Diplomová práce zkoumá využití umělé inteligence při obchodování na kapitálových trzích, se zaměřením na využití metod umělé inteligence, zejména LSTM neuronových sítí a analýzy PCA, k předpovídání směru pohybu cen akciových indexů. Dow Jones Industrial Average. Teoretická část práce představuje kvantitativní metody obchodování, technické a fundamentální ukazatele a principy umělé inteligence. Empirická část analyzuje výkonnost modelů při optimalizaci předpovědních strategií. Výsledky ukazují, že kombinace LSTM a PCA může zlepšit přesnost předpovědí a výkonnost obchodování. Práce zdůrazňuje praktické důsledky a potenciál umělé inteligence při optimalizaci obchodních rozhodnutí a zároveň identifikuje limity a možnosti využití umělé inteligence při prostor pro další výzkum, zejména v oblasti hybridních modelů a integrace alternativních zdrojů dat.