Bakalářská práce

Predikce vývoje cen na finančních trzích pomocí hlubokého učení

Prediction of Financial Markets Using Deep Learning

Jiří Vahala
Anotace

Testovali jsme možné využití plně propojených vícevrstvých neuronových sítí pro predikci měnových trhů. Přesněji jsme se zaměřili na metody, jejichž použití vede k modelům s lepší generalizací problému. Pro usnadnění jednoduchého experimentování přes prohledávánou doménu argumentů byl vytvořen obecný, flexibilní framework nad TensorFlow a Kerasem, který automatizovaně spouštěl vygenerované experimenty …více

Abstract

We tested possible usage of fully connected neural networks for predicting FOREX market. More specifically we focused on generalization providing methods used in neural networks. In order to facilitate an easy grid search over the target domain, the general framework around TensorFlow and Keras framework was built to provide flexibility for executing automatically generated experiments. Because TensorFlow …více

Klíčová slova
Neural networks deep learning prediction FOREX time series TensorFlow prediction confidence
Zadání práce
Cílem práce je prozkoumat možnosti využití hlubokého učení pro predikci pohybu cen na finančních trzích. Práce by měla poskytnout přehled existujících nástrojů pro implementaci hlubokého učení (Theano, TensorFlow, atd.) a provést jejich evaluaci vzhledem k dané aplikaci. Dále by měla obsahovat návrh modelů vhodných pro predikci pohybu cen na finančních trzích a jejich experimentální vyhodnocení na reálných datech z finančního trhu. V ideálním případě by součástí práce měla být implementace metod pro předtrénování sítě (autoencoders). Výstupem by měla být funkční (experimentální) implementace ve vhodně zvoleném programovacím jazyce.
Administrativní informace
Práce zkontrolována:
31. 5. 2016 08:32, doc. RNDr. Tomáš Brázdil, Ph.D., MBA, učo 4074
Plný text práce
2,1 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
23. 6. 2016
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Tomáš Brázdil, Ph.D., MBA, učo 4074
ITI FI MU

Oponent

doc. RNDr. Lubomír Popelínský, Ph.D.
KTP FI MU

Literatura

  • GOODFELLOW, Ian; Yoshua BENGIO a Aaron COURVILLE. Deep Learning. MIT Press, 2016.
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Informatika
Obor

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.