BRÜCKNER, J. Rizika spojená s investováním do vybraných kryptoměn a jejich vyhodnocení za využití fuzzy logiky [online]. Brno: Vysoké učení technické v Brně. Ústav soudního inženýrství. 2018.

Posudek vedoucího

Dostál, Petr

Diplomová práce řeší problematiku rizik spojených s investováním do vybraných kryptoměn. K řešení je využito teorie fuzzy logiky. Práce má využití v praxi. Práce je velmi kvalitně zpracována. Práci hodnotím výborně.

Posudek oponenta

Pekárek, Jan

Předložená diplomová si stanovuje cíl vytvořit expertní model na základě fuzzy logiky za účelem rozšíření portfolia kryptoměn o nové tituly. Autor poskytuje podrobný teoretický základ ke zkoumaným oblastem a detailní analýzu rizik v analytické části. V návrhové části pak přistupuje k tvorbě dvou variant modelu. V kapitole 3.2 je představen model implementovaný v prostředí Excel s jeho 16 proměnnými. Hned v následující podkapitole 3.2.1 autor pojednává v jednom odstavci o transformační matici. To je ale poněkud málo na to, že transformační matice je jádro modelu. Nastavení jejích hodnot je zcela zásadní pro správnou funkci modelu a zasloužilo by si podrobnější odůvodnění než pouhé konstatování, že "jsou vytvořeny na základě expertního odhadu autora". Matice obsahuje 55 polí s celými nezápornými čísly. Jak autor ví, že jednotlivým kategoriím z popisné matice má přiřadit hodnoty právě tyto? Disclaimer, že jiný autor by je nastavil jinak, na tuto otázku neodpovídá. V transformační matici je hned další potenciální chyba. Autor používá pro svých 15 proměnných různé relativní váhy. Proč? Váha proměnné je u modelu v Excelu dána rozdílem mezi maximem a minimem jejích hodnot. Tedy například Šířka okruhu uživatelů má váhu 6, Odlišnost konceptu 8 a Doba na trhu 18. Jaký má autor důvod, že např. Doba na trhu je 3x silnější parametr než Šířka okruhu uživatelů? Nejde sice a priori o chybu, ale autor v práci nikde neposkytuje vysvětlení těchto různých vah parametrů. Model v MATLABu z kapitoly 3.3 se pak nese v duchu analogických nedostatků. Jako celek je v pořádku a je použito chytré hierarchické dekompozice k redukci počtu pravidel. Bohužel opět platí, že kapitola neposkytuje odpověď na otázku, jak a proč autor namapoval 16 vstupních proměnných na výsledné hodnocení, resp. na hodnocení dílčích bloků modelu. Částečná odpověď na předchozí námitky je poskytuta v kapitole 3.5, kde je konstatován přínos obou modelů ve faktu, že díky nim je uživatel schopen systematicky zpracovat větší množství proměnných než by byl, kdyby o problému pouze běžně uvažoval. To je správný postřeh, který nicméně nevysvětluje, proč je množina inferenčních pravidel definována právě tímto způsobem. Práce je ve všech ostatních ohledech vydařená. Výjimečně detailní je analýza rizik a z výkladu je zřejmé, že autor se v oboru kryptoměn pohybuje již nějakou dobu. Přes výše uvedené nedostatky hodnotím celkově práci jako velmi dobrou a doporučuji k obhajobě. Důrazně však vyzývám k odpovědi na přiložené otázky.

eVSKP id 106038