Prediction of financial time series using machine learning algorithms

Thesis title: Predikce finančních časových řad metodami strojového učení
Author: Bodis, Vojtěch
Thesis type: Diplomová práce
Supervisor: Málek, Jiří
Opponents: Fičura, Milan
Thesis language: Česky
Abstract:
Diplomová práce se zabývá možnostmi využití metod strojového učení při predikci finančních časových řad. V úvodní části je souhrn současné publikované literatury na toto téma. Dále jsou zde popsány některé konkrétní algoritmy a problémy strojového učení. V analytické části jsou vybrané algoritmy aplikovány na časové řady jednotlivých titulů S&P100. Časové řady mají různou frekvenci. Cílem práce bylo prozkoumat možnosti aplikace metod strojového učení při predikci časových řad.
Keywords: analýza časových řad; support vector machines; neuronové sítě; machine learning; data mining
Thesis title: Prediction of financial time series using machine learning algorithms
Author: Bodis, Vojtěch
Thesis type: Diploma thesis
Supervisor: Málek, Jiří
Opponents: Fičura, Milan
Thesis language: Česky
Abstract:
Diploma thesis is focused on predicting financial time series using machine learning algorithms. The first part includes summary of contemporary literature dealing with this topic. Thesis also includes description of some machine learning algorithms and issues of machine learning. Chosen algorithms are applied on S&P100 stocks. Algorithms are applied on time series with different frequencies. The goal of the thesis was to examine possibilities of application of machines learning algorithms on predicting financial time series.
Keywords: time series analysis; support vector machines; neural networks; machine learning; data mining

Information about study

Study programme: Finance a účetnictví/Bankovnictví a pojišťovnictví
Type of study programme: Magisterský studijní program
Assigned degree: Ing.
Institutions assigning academic degree: Vysoká škola ekonomická v Praze
Faculty: Faculty of Finance and Accounting
Department: Department of Banking and Insurance

Information on submission and defense

Date of assignment: 20. 3. 2013
Date of submission: 7. 1. 2014
Date of defense: 22. 1. 2015
Identifier in the InSIS system: https://insis.vse.cz/zp/42398/podrobnosti

Files for download

    Last update: