Time Series Forecasts using the Neural Networks

Informace o vysokoškolské kvalifikační práci

Název práce:
Time Series Forecasts using the Neural Networks
Autor práce:
Čurpek, Juraj
Typ práce:
Diplomová práce / info:eu-repo/semantics/masterThesis
Vedoucí práce:
Fičura, Milan
Osoba oponující práci:
Fučík, Vojtěch
Jazyk práce:
English
Abstrakt:
This diploma thesis is devoted to the analysis of the Long Short-Term Memory neural networks performance in prediction of randomly selected financial time series from Yahoo!Finance. Firstly,we determined five most precise LSTM models used for predictions of 150 financial time series of stocks from various industries. Then we calculated the statistical measures related to the time series predictability - the Hurst Coefficient, Metric Entropy and the largest Lyapunov Exponent. By estimation of the simple regression lines and the correlation coefficients we try to determine possible relationship between the quality of prediction represented by the average RMSE and each of the statistics related to the time series predictability with the consequent comparison with the theoretical assumptions.
Klíčová slova:
Python; Time Series; Hurst Coefficient; Long Short-Term Memory; Lyapunov Exponent; Forecast; Artificial Neural Networks; Sample Entropy

Informace o studiu

Studijní program a Studijní obor:
Finance a účetnictví/Finanční inženýrství
Typ studijního programu:
Magisterský navazující studijní program
Jméno přidělované hodnosti:
Ing.
Instituce přidělující hodnost:
University of Economics, Prague
Název fakulty:
Faculty of Finance and Accounting
Název katedry:
Department of Banking and Insurance
Instituce archivující a zpřístupňující VŠKP:
University of Economics, Prague

Informace o odevzdání a obhajobě

Datum zadání práce:
14. 2. 2017
Datum podání práce:
3. 1. 2018
Datum obhajoby:
18.01.2018

Soubory ke stažení

Hlavní práce:
60727_xcurj07.pdf [3,42 MB]
Oponentura:
55445_fucv02.pdf [297,50 kB]
Hodnocení vedoucího:
60727_xficm03.pdf [1,06 MB]

Údaje ze systému InSIS

Identifikátor:
https://insis.vse.cz/zp/60727/podrobnosti