Možnosti využití strojového učení při detekci aktivit tvůrců trhu
Autor(ka) práce:
Macháček, Michal
Typ práce:
Diplomová práce
Vedoucí práce:
Mittner, Jan
Oponenti práce:
Buchalcevová, Alena
Jazyk práce:
Česky
Abstrakt:
Tato diplomová práce se zabývá možnostmi využití strojového učení při detekci aktivit tvůrců trhu na devizovém trhu (forex). Tvůrci trhu jsou důležitými účastníky trhu, kteří poskytují likviditu neustálým kótováním cen pro nákup a prodej měnových párů. Jejich aktivity ale také mohou ovlivňovat a manipulovat s tržními cenami. Cílem práce je prozkoumat a zhodnotit potenciál strojového učení pro identifikaci vzorců a strategií, které tvůrci trhu používají k ovlivňování tržních cen. V úvodní části je představen forexový trh, role tvůrců trhu a určeny cíle práce. Dále jsou shrnuty aktuální možnosti detekce aktivit tvůrců trhu, včetně přehledu principů a typů strojového učení. Metodická část popisuje výběr a konfiguraci konkrétních algoritmů strojového učení, integraci dat z obchodní platformy MetaTrader 4 s využití technologií Node.js a TensorFlow.js. Je popsán proces získávání, formátování a zpracování dat. Dále jsou navrženy postupy pro testování a ověření vytvořených modelů. V diskuzi jsou výsledky porovnány se stanovenými cíli a jsou navrženy možnosti praktického využití výsledků, včetně identifikace oblastí pro další výzkum. Závěr obsahuje shrnutí hlavních zjištění práce a naplnění stanovených cílů.
Possibilities of using machine learning in detecting the activities of market makers
Autor(ka) práce:
Macháček, Michal
Typ práce:
Diploma thesis
Vedoucí práce:
Mittner, Jan
Oponenti práce:
Buchalcevová, Alena
Jazyk práce:
Česky
Abstrakt:
This thesis explores the possibilities of using machine learning for detecting the activities of market makers in the foreign exchange market (forex). Market makers are important market participants who provide liquidity by constantly quoting prices for buying and selling currency pairs. However, their activities can also influence and manipulate market prices. The aim of this work is to investigate and evaluate the potential of machine learning for identifying the patterns and strategies that market makers use to influence market prices. The introductory section presents the forex market, the role of market makers, and determines the objectives of the thesis. It then summarizes the current possibilities for detecting market maker activities, including an overview of the principles and types of machine learning. The methodological section describes the selection and configuration of specific machine learning algorithms, the integration of data from the MetaTrader 4 trading platform using Node.js and TensorFlow.js. The process of obtaining, formatting and processing data is described. Furthermore, procedures are proposed for testing and verifying the created models. In the discussion, the results are compared with the set objectives and possibilities for practical use of the results are proposed, including the identification of areas for further research. The conclusion summarizes the main findings of the work and the fulfillment of the set objectives.