| Thesis title: |
Aplikace machine learning metod pro predikci akciových výnosů |
| Author: |
Beránek, Petr |
| Thesis type: |
Diplomová práce |
| Supervisor: |
Fičura, Milan |
| Opponents: |
Jouda, Jan |
| Thesis language: |
Česky |
| Abstract: |
Tato diplomová práce se zaměřuje na metody strojového učení a jejich aplikace ve finančním sektoru, a to zejména na akciovém trhu. První část textu má za cíl vysvětlit základní strukturu metod strojového učení a matematicko-statistické principy, na kterých stojí a ukázat ilustrativní nebo empirický příklad. V druhé části textu se na datech indexu S&P500 trénují vybrané modely a následně se tvoří predikce, ke kterým je věnován komentář. V závěru se vyhodnotí nejúspěšnější a statisticky nejzdravější model strojového učení a celkové zhodnocení práce. Hlavním cílem práce je čtenáři přiblížit fungování metod, které jsou běžně nálepkovány slovem „black-box“ a ukázat, že ačkoliv je ve většině situacích nemožné do detailu pozorovat proces učení a predikce, tak se pořád jedná o statistiku v kombinaci s náhodou. |
| Keywords: |
XGBoost; NN; Machine Learning; akcie; Random Forest |
| Thesis title: |
Application of machine learning methods for stock returns prediction |
| Author: |
Beránek, Petr |
| Thesis type: |
Diploma thesis |
| Supervisor: |
Fičura, Milan |
| Opponents: |
Jouda, Jan |
| Thesis language: |
Česky |
| Abstract: |
This diploma thesis focuses on machine learning methods and their applications in the financial sector, especially in the stock market. The first part of the text aims to explain the basic structure of machine learning methods and the mathematical and statistical principles underlying them and to show an illustrative or empirical example. In the second part of the text, selected models are trained on data from the S&P500 index in order to make predictions, which are commented on. Finally, the most successful and statistically robust machine learning model is evaluated and an overall assessment of the work is made. The main goal of the work is to introduce the reader to the workings of methods that are commonly labelled "black-box" and to show that although it is impossible to observe the learning and prediction process in detail in most situations, it is still a combination of statistics and randomness. |
| Keywords: |
Random Forest; XGBoost; NN; Machine Learning; stocks |
Information about study
| Study programme: |
Finanční inženýrství |
| 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: |
24. 10. 2023 |
| Date of submission: |
13. 8. 2024 |
| Date of defense: |
2024 |
Files for download
The files will be available after the defense of the thesis.