Application of time series models and machine learning methods for stock returns prediction

Informace o vysokoškolské kvalifikační práci

Název práce:
Application of time series models and machine learning methods for stock returns prediction
Autor práce:
Vodolazskyi, Oleksandr
Typ práce:
Diplomová práce / info:eu-repo/semantics/masterThesis
Vedoucí práce:
Fičura, Milan
Osoba oponující práci:
Juhászová, Jana
Jazyk práce:
English
Abstrakt:
V této diplomové práci jsme aplikovali modely časových řad a metody strojového učení na reálná akciová data pro predikci pohybů budoucích výnosů. Mezi modely časových řad patří modely ARMA a GARCH. Také jsme požili několik algoritmů strojového učení, jako je logistická regrese, gradient boosted trees a takzvané Long Short-Term Memory neuronové sítě. Tyto modely byly použité pro predikci pohybů budoucích výnosů akcí. Strategie založené na předpovědích byly vyhodnoceny podle jejich ziskovosti a rizikovosti. Také jsme změřili kvalitu modelů z hlediska přesnosti a diskriminační schopnosti. Hlavním cílem práce je porovnání výsledků aplikace zvolených modelů se strategií Buy & Hold a mezi sebou.
Klíčová slova:
Logistic regression; Artificial neural networks; Long Short-Term Memory; Prediction; Machine learning; Python; Stock returns; GARCH; Time serires; ARMA; Decision trees

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:
1. 3. 2017
Datum podání práce:
4. 5. 2018
Datum obhajoby:
24.05.2018

Soubory ke stažení

Hlavní práce:
61325_vodo00.pdf [2,56 MB]
Oponentura:
55447_xjuhj00.pdf [383,08 kB]
Hodnocení vedoucího:
61325_xficm03.pdf [1005,06 kB]

Údaje ze systému InSIS

Identifikátor:
https://insis.vse.cz/zp/61325/podrobnosti