Machine Learning Strategies in Electronic Trading
Machine Learning Strategies in Electronic Trading
Author
Advisor
Černocký, JanReferee
Kolář, MartinGrade
BAltmetrics
Metadata
Show full item recordAbstract
Úspěšné obchodování na trzích je snem mnoha lidí. Zajímavým odvětvím tohoto byznysu je elektronické obchodování, kde obchodní strategie běží na počítači bez jakéhokoliv zásahu člověka. Tento způsob obchodování poskytuje spoustu volného času a vysoké příjmy. Tato práce je zaměřena na využití neuronových sítí při stavbě takovéto obchodní strategie. Jako základ byla použita již existující rekurentní neuronová síť, která byla postupně modifikována podle potřeb pro obchodování. Výsledkem je neuronová síť předpovídající budoucí pohyby trhu. Obchodní strategie používající tuto neuronovou síť dokáže na burze úspěšně obchodovat. Successful stock trading is a dream of many people. Eletronic trading is an interesting branch of this business. The trading strategy runs on the computer all the time without any human intervention. This way of trading provides a lot of free time and high earnings. This thesis is aimed at usage of neural networks in building this type of trading strategy. An already existing recurrent neural network was used as a basis and was modified for the needs of trading. The result is a neural network which predicts future market moves. The trading strategy based on this neural network is able to perform a successful trading.
Keywords
neuronová síť, rekurentní neuronová síť, burza, obchodování, trh, profit, model, neural network, recurrent neural network, stock exchange, trading, market, profit, modelLanguage
angličtina (English)Study brunch
Informační technologieComposition of Committee
doc. Ing. Josef Schwarz, CSc. (předseda) doc. Ing. František Zbořil, Ph.D. (místopředseda) Ing. Vítězslav Beran, Ph.D. (člen) Dr. Ing. Petr Peringer (člen) RNDr. Marek Rychlý, Ph.D. (člen)Date of defence
2014-06-16Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: -Jaký algoritmus navrhujete na výběr hyperparametrů neuronové sítě, aby nebylo nutné každý optimalizovat zvlášť? -Proč ovlivňuje likvidita slippage (neboli cenový skluz)?Result of the defence
práce byla úspěšně obhájenaPersistent identifier
http://hdl.handle.net/11012/56492Source
HUF, P. Machine Learning Strategies in Electronic Trading [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2014.Collections
- 2014 [305]