Predikce vývoje kurzu pomocí umělých neuronových sítí

but.committeedoc. Ing. Přemysl Kršek, Ph.D. (předseda) prof. RNDr. Alexandr Meduna, CSc. (místopředseda) Ing. Zbyněk Křivka, Ph.D. (člen) doc. Ing. Stanislav Racek, CSc. (člen) doc. RNDr. Pavel Smrž, Ph.D. (člen) Ing. Josef Strnadel, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se pak 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: Uveďte, jak presně probíhala normalizace vstupních dat, a uveďte další vhodné metody normalizace. pro tránování upraveného predikčního modelu používáte mean square meření chyby. Nebylo by vhodnejší použít cross entropy criterium?cs
but.jazykčeština (Czech)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorSzőke, Igorcs
dc.contributor.authorPutna, Lukášcs
dc.contributor.refereeGrézl, Františekcs
dc.date.accessioned2020-06-23T07:12:09Z
dc.date.available2014-06-20cs
dc.date.created2011cs
dc.description.abstractTato diplomová práce se zabývá využitím neuronových sítí pro účely předpovědi vývoje kurzu trhů na burze. Zmiňuje základy teorie fungování burzy a obchodování na ní. V práci je dále popsána teorie neuronových sítí, jaké jsou možnosti jejich využití a jakým způsobem je vhodné neuronovou síť navrhnout pro danou aplikaci. V praktické části jsou navrženy dva predikční modely využívající neuronové sítě. Ty jsou dále využity navrženým obchodním modelem a simulovány na zvolených datech. Následně jsou výsledky porovnány s obchodním modelem člověka a náhodným obchodním modelem a jsou navrženy další směry vývoje systému.cs
dc.description.abstractThis work deals with the usage of neural network for the purpose of stock market prediction. A basic stock market theory and trading approaches are mentioned at the beginning of this work. Then neural networks and their application are discussed with their deeper description. Similar approaches are referred and finally two new prediction systems are designed. These systems are utilized by proposed trading model and tested on selected data. The results are compared to human and random trading models and new development steps are devised at the end of this work. en
dc.description.markBcs
dc.identifier.citationPUTNA, L. Predikce vývoje kurzu pomocí umělých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2011.cs
dc.identifier.other42821cs
dc.identifier.urihttp://hdl.handle.net/11012/54192
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsPřístup k plnému textu prostřednictvím internetu byl licenční smlouvou omezen na dobu 3 roku/letcs
dc.subjectPredikce burzycs
dc.subjectpředpověď vývoje kurzucs
dc.subjectumělá neuronová síťcs
dc.subjectobchodování na burzecs
dc.subjectintradenní obchodování.cs
dc.subjectStock market predictionen
dc.subjectstock forecasten
dc.subjectartificial neural networken
dc.subjectstock tradingen
dc.subjectintraday trading.en
dc.titlePredikce vývoje kurzu pomocí umělých neuronových sítícs
dc.title.alternativeStock Prediction Using Artificial Neural Networksen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2011-06-20cs
dcterms.modified2020-05-09-23:42:59cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid42821en
sync.item.dbtypeZPen
sync.item.insts2021.11.22 22:21:22en
sync.item.modts2021.11.22 21:47:58en
thesis.disciplinePočítačová grafika a multimédiacs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédiícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
review_42821.html
Size:
1.45 KB
Format:
Hypertext Markup Language
Description:
review_42821.html
Collections