Aplikace umělé inteligence při obchodování na kapitálových trzích
| Název práce: | Aplikace umělé inteligence při obchodování na kapitálových trzích |
|---|---|
| Autor(ka) práce: | Waisová, Linda |
| Typ práce: | Diplomová práce |
| Vedoucí práce: | Fičura, Milan |
| Oponenti práce: | Volf, Lukáš |
| Jazyk práce: | Česky |
| Abstrakt: | Tato práce se zaměřuje na aplikaci metod umělých neuronových sítí při predikci akciových časových řad. Byly vybrány 4 známé metody MLP, RNN, LSTM a CNN, které jsou mezi sebou porovnány pomocí různých metrik. Dále práce zkoumá, zda dokáží být modely při definovaném nastavení ziskové a zároveň zda dokáží překonat benchmark, který byl stanoven jako strategie „Buy & Hold“ indexu S&P 100. Analýza byla prováděna na denních datech akcií indexu S&P 100. Jako globální dataset byl přidán index volatility VIX. Výsledky praktické části ukázaly, že žádný z testovaných modelů nepřekonal výkonnost pasivní strategie „Buy & Hold“. Relativně nejlepší výsledky dosáhl model LSTM, zatímco nejméně úspěšný byl model MLP. |
| Klíčová slova: | umělá inteligence; AI; strojové učení; neuronové sítě; RNN; MLP; LSTM; CNN; akcie |
| Název práce: | Application of artificial intelligence in capital market trading |
|---|---|
| Autor(ka) práce: | Waisová, Linda |
| Typ práce: | Diploma thesis |
| Vedoucí práce: | Fičura, Milan |
| Oponenti práce: | Volf, Lukáš |
| Jazyk práce: | Česky |
| Abstrakt: | This thesis focuses on the application of artificial neural network methods in stock time series prediction. Four well-known methods, MLP, RNN, LSTM, and CNN, were selected and compared using various metrics. Furthermore, the thesis examines whether the models can be profitable under defined settings and whether they can outperform the benchmark, which was set as the "Buy & Hold" strategy of the S&P 100 index. The analysis was performed on daily data of the S&P 100 index stocks. The VIX volatility index was added as a global dataset. The results of the practical part showed that none of the tested models outperformed the passive "Buy & Hold" strategy. The LSTM model achieved the relatively best results, while the MLP model was the least successful. |
| Klíčová slova: | artificial intelligence; AI; machine learning; neural networks; LSTM; MLP; RNN; CNN; stock |
Informace o studiu
| Studijní program / obor: | Finance |
|---|---|
| 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: | 19. 12. 2024 |
|---|---|
| Datum podání práce: | 18. 8. 2025 |
| Datum obhajoby: | 11. 9. 2025 |
| Identifikátor v systému InSIS: | https://insis.vse.cz/zp/90827/podrobnosti |