Diplomová práce

Machine learning modely na finančních trzích

Machine Learning Models in Financial Markets

Bc. Jan Krejčí, učo 521704
Anotace

Hlavním cílem této diplomové práce je představení vybraných machine learning modelů, zejména metody Support Vector Machines, a prozkoumání jejich využití na finančních trzích. V teoretické části je nejprve vysvětlen matematický základ statistického učení, ztrátové a jádrové funkce. Poté je popsán samotný model Support Vector Machines a následně i jeho regresní varianta Support Vector Regression. Pozornost …více

Abstract

The main goal of this diploma thesis is to introduce selected machine learning models, primarily the Support Vector Machines method, and to explore their application in financial markets. The theoretical part first explains the mathematical foundations of statistical learning, loss functions, and kernel functions. Then, the Support Vector Machines model itself is described, followed by its regression …více

Klíčová slova
Statistické učení Ztrátové funkce Jádro Hilbertův prostor Support Vector Machines Support Vector Regression Simulační studie hyperparametry finanční časové řady S&P 500 futures zlato Statistical learning Loss functions Kernels Hilbert's space Simulation study hyperparameters financial time series gold
Zadání práce
Cílem práce je nastudovat vybrané techniky strojového učení. Porozumění tématu bude prokázáno aplikací na reálných datech z finančních trhů.

Postup práce:
  1. Úvod a cíle práce
  2. Rešerše literatury
  3. Studium vybraného modelu
  4. Aplikace na datech
  5. Zhodnocení výsledků a závěry

Použité metody: statisticko-matematické modely, komparace, deskripce, analýza
Administrativní informace
Práce zkontrolována:
25. 5. 2026 11:02, Mgr. Silvie Zlatošová, Ph.D., učo 175424
Plný text práce
863,3 KB / soubor PDF
Jazyk práce
čeština čeština
Termín obhajoby
22. 6. 2026
Práce byla úspěšně obhájena

Vedoucí

Mgr. Silvie Zlatošová, Ph.D., učo 175424
ÚMS Ústavy PřF MU

Oponent

doc. RNDr. Martin Kolář, Ph.D., učo 528
ÚMS Ústavy PřF MU

Literatura

  • JAMES, Gareth R.; Daniela WITTEN; Trevor HASTIE a Robert TIBSHIRANI. An introduction to statistical learning : with applications in R. Second edition. New York: Springer, 2021, xv, 607. ISBN 9781071614174.
Citovat tuto práci
Masarykova univerzita Přírodovědecká fakulta
Studijní program
Plán
Finanční a pojistná matematika

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.