Tato diplomová práce se zabývá vlivem psychologických a sociálních faktorů na obchodování s kryptoměnami, zejména v kontextu chování retailových investorů. První část práce představuje charakteristiku kryptoměn, jejich tržní specifika a volatilitu. Druhá část se věnuje behaviorální ekonomii a identifikuje klíčové emoce a zkreslení, jako jsou FOMO, stádní chování nebo efekt dostupnosti, které významně ovlivňují rozhodování investorů. Třetí, praktická část integruje technické indikátory (např. RSI, SMA/EMA), sentimentální data (Fear & Greed Index) a analýzu kolektivní pozornosti (Google Trends) do rozhodovacího modelu. Na základě zpětného testování byla identifikována nejvýnosnější kombinace indikátorů (např. vysoký RSI + chamtivost + střední GT), která vykazovala zvýšenou pravděpodobnost růstu ceny Bitcoinu v horizontu 14 dní. Výsledky potvrzují, že spojení technických a psychologických ukazatelů zvyšuje prediktivní sílu modelu. Práce přináší konkrétní doporučení pro investiční praxi a navrhuje možnosti dalšího výzkumu v oblasti kombinace datových, psychologických a strojově učených přístupů.
Klíčová slova:
tržní sentiment; technická analýza; behaviorální finance; psychologie investora; Fear & Greed Index; Google Trends; kryptoměny; RSI; retailoví investoři; rozhodovací model
Název práce:
The Influence of Psychology on Cryptocurrency Market Trading
Autor(ka) práce:
Korbelář, Martin
Typ práce:
Diploma thesis
Vedoucí práce:
Musílek, Petr
Oponenti práce:
Malinovský, Daniel
Jazyk práce:
Česky
Abstrakt:
This thesis explores the influence of psychological and social factors on cryptocurrency trading, particularly in the context of retail investor behavior. The first part of the thesis presents the characteristics of cryptocurrencies, their market specifics, and volatility. The second part focuses on behavioral economics and identifies key emotions and biases—such as FOMO, herd behavior, or the availability heuristic—that significantly impact investor decision-making. The third, practical section integrates technical indicators (e.g., RSI, SMA/EMA), sentiment data (Fear & Greed Index), and collective attention analysis (Google Trends) into a decision-making model. Based on backtesting, the most profitable combination of indicators was identified (e.g., high RSI + greed + medium GT), which showed an increased probability of Bitcoin price growth within a 14-day horizon. The results confirm that combining technical and psychological indicators enhances the predictive power of the model. The thesis offers specific recommendations for investment practice and suggests avenues for further research in combining data-driven, psychological, and machine learning approaches.
Klíčová slova:
Fear & Greed Index; market sentiment; cryptocurrencies; investor psychology; behavioral finance; RSI; Google Trends; technical analysis; retail investors; decision-making model