Intelligent systems and time series forecasting
Thesis title: | Inteligentné systémy a predikcia časových radov |
---|---|
Author: | Urbanová, Sabína |
Thesis type: | Diploma thesis |
Supervisor: | Witzany, Jiří |
Opponents: | Juhászová, Jana |
Thesis language: | Slovensky |
Abstract: | Diplomová práca sa zaoberá popisom a zostrojením troch modelov, doprednej neurónovej siete učiacej sa na základe algoritmu spätného šírenia chyby, rekurentnej siete LSTM (long short-term memory) a autoregresný integrovaný kĺzavý priemer ARIMA. K analýze sú použité informácie o otváracích, uzatváracích cenách, najvyššej a najnižšej cene v danom dni a zobchodovaného objemu desiatich akcií obchodovaných na New York Stock Exchange. Dostupné dáta (od januára 2010 do decembra 2016) sú rozdelené do dvoch množín, na prvej, trénovacej množine prebieha proces učenia, na druhej, testovacej, overujeme predikčnú schopnosť modelu, kde predikovaná hodnota je uzatváracia cena daného dňa. Pre posúdenie, či daný model má pre nás, ako investora nejaký prínos, si definujeme jednoduchú stratégiu. Na konci prebehne zhodnotenie, ktorý model nám za použitia danej stratégie prinesie najlepšie výsledky. |
Keywords: | neurónové siete; strojové učenie; LSTM; časové rady; ARIMA; predikcia časových radov; backpropagation |
Thesis title: | Intelligent systems and time series forecasting |
---|---|
Author: | Urbanová, Sabína |
Thesis type: | Diploma thesis |
Supervisor: | Witzany, Jiří |
Opponents: | Juhászová, Jana |
Thesis language: | Slovensky |
Abstract: | In the diploma thesis we are describing and applying three models - Feedforward neural network, whose learning process is based on backpropagation principles, recurent LSTM (long short-term memory) network and ARIMA autoregressive integrated moving average. For analysis, information about opening, closing price, highest, lowest price of a day and volume of trade are used. Used data (since January 2010 until December 2016) are split into training and testing dataset. On the first one, training dataset, model is learning and on the second, testing dataset, we are making a prediction of closing price. For evaluation, whether a model is useful for investors, we develop a simple strategy. At the end, we evaluate, which model provides us the best results. |
Keywords: | LSTM; ARIMA; time series; machine learning; time series forecasting; neural networks; backpropagation |
Thesis title: | Inteligentní systémy a predikce finančních časových řad |
---|---|
Author: | Urbanová, Sabína |
Thesis type: | Diplomová práce |
Supervisor: | Witzany, Jiří |
Opponents: | Juhászová, Jana |
Thesis language: | Slovensky |
Abstract: | Diplomová práce se zabývá popisem a sestrojením tří modelů, dopřední neuronové sítě, učící se na základě algoritmu zpětného šíření chyby, rekurentní sítě LSTM (long short-term memory) a autoregresní integrovaný klouzavý průměr ARIMA. Dostupná data (od ledna 2010 do prosince 2016) jsou rozdělena do dvou množin, na první, trénovací množině probíhá proces učení, na druhé, testovací, ověřujeme predikční schopnost modelu, kde predikovaná hodnota je uzavírací cena daného dne. Pro posouzení, zda daný model má pro nás, jako investora, nějaký přínos si definujeme jednoduchou strategii. Na konci proběhne zhodnocení, který model nám za použití dané strategie přinese nejlepší výsledky. |
Keywords: | neuronové sítě; strojové učení; LSTM; zpětné šíření chyby; ARIMA; časové řady; predikce časových řad |
Information about study
Study programme: | Finance a účetnictví/Finance |
---|---|
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: | 12. 3. 2018 |
---|---|
Date of submission: | 16. 1. 2019 |
Date of defense: | 7. 2. 2019 |
Identifier in the InSIS system: | https://insis.vse.cz/zp/65379/podrobnosti |