Analýza a predikce vývoje devizových trhů pomocí chaotických atraktorů a neuronových sítí

Abstract

Práce se zabývá komplexní analýzou a predikcí devizových trhů. Využívá při tom pokročilých metod umělé inteligence, zejména neuronových sítí a teorie chaosu. Představuje netradiční přístupy a metody z každé z těchto oblastí, srovnává je a aplikuje na reálný problém. Jádrem práce je návrh a srovnání několika predikčních modelů založených na zcela odlišných principech a teoriích. Výsledkem je výběr nejvhodnějšího predikčního modelu, jenž nese označení NAR + H. Model je hodnocen dle více kritérií, jsou diskutovány jeho klady a zápory, vyčíslena přibližná očekávaná ziskovost a riziko. Veškeré analytické, predikční a dílčí algoritmy jsou implementovány ve vývojovém prostředí Matlabu a tvoří jednotnou knihovnu všech použitých funkcí a skriptů. Ta je zároveň druhým hlavním výstupem práce.

This thesis deals with a complex analysis and prediction of foreign exchange markets. It uses advanced artificial intelligence methods, namely neural networks and chaos theory. It introduces unconventional approaches and methods of each of these areas, compares them and uses on a real problem. The core of this thesis is a comparison of several prediction models based on completely different principles and underlying theories. The outcome is then a selection of the most appropriate prediction model called NAR + H. The model is evaluated according to several criteria, the pros and cons are discussed and approximate expected profitability and risk are calculated. All analytical, prediction and partial algorithms are implemented in Matlab development environment and form a unified library of all used functions and scripts. It also may be considered as a secondary main outcome of the thesis.