Show simple item record

Machine Learning Strategies in Electronic Trading

dc.contributor.advisorČernocký, Janen
dc.contributor.authorHuf, Petren
dc.date.accessioned2019-06-14T10:52:22Z
dc.date.available2019-06-14T10:52:22Z
dc.date.created2014cs
dc.identifier.citationHUF, P. Machine Learning Strategies in Electronic Trading [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2014.cs
dc.identifier.other79951cs
dc.identifier.urihttp://hdl.handle.net/11012/56492
dc.description.abstractÚspěšné 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.en
dc.description.abstractSuccessful 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.cs
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectneuronová síťen
dc.subjectrekurentní neuronová síťen
dc.subjectburzaen
dc.subjectobchodováníen
dc.subjecttrhen
dc.subjectprofiten
dc.subjectmodelen
dc.subjectneural networkcs
dc.subjectrecurrent neural networkcs
dc.subjectstock exchangecs
dc.subjecttradingcs
dc.subjectmarketcs
dc.subjectprofitcs
dc.subjectmodelcs
dc.titleMachine Learning Strategies in Electronic Tradingen
dc.title.alternativeMachine Learning Strategies in Electronic Tradingcs
dc.typeTextcs
dcterms.dateAccepted2014-06-16cs
dcterms.modified2020-05-10-16:11:47cs
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédiícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
sync.item.dbid79951en
sync.item.dbtypeZPen
sync.item.insts2020.06.23 11:00:37en
sync.item.modts2020.06.23 10:09:57en
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
dc.contributor.refereeKolář, Martinen
dc.description.markBcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
but.committeedoc. 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)cs
but.defenceStudent 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)?cs
but.resultpráce byla úspěšně obhájenacs
but.programInformační technologiecs
but.jazykangličtina (English)


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record