Diplomová práce

Exchange rates predictions using machine learning methods

Bc. Yaroslav Korobka
Anotace

Základním cílem práce je vyhodnocení metod strojového učení v kontextu predikcí směnného kurzu. Literární přehled pomáhá čtenáři pochopit hlavní minulé a současné trendy v dané oblasti. Teoretické zázemí vymezuje koncepty použité v následujících kapitolách. Metodologie a data jsou věnovány popisu metody a dat, které jsou následně aktivně použité v poslední kapitole výsledků a diskuzi. Na základě výsledků …více

Abstract

The main goal of the thesis is to evaluate machine learning methods in the context of the exchange-rate predictions. Literature overview helps the reader to understand the main past and present trends in this field. Theoretical background outlines the concepts used in the later chapters. Methodology and data are devoted to the method and data description which are actively used in the last chapter …více

Klíčová slova
predikce směnných kurzů strojové učení neuronové sítě support-vector machines exchange-rate predictions machine learning neural networks
Zadání práce

The main goal of the diploma thesis is to evaluate the performance of the machine learning approach to exchange rates prediction. The basic structure of the diploma thesis will be as follows:

1. Literature review (focused on the alternative approaches to exchange rate predictions and on the machine learning methods and techniques).

2. Methodology (aimed at description and analysis of models and methods used for exchange rate prediction).

3. Data description and introduction of the methods for evaluating the prediction performance.

4. Models' evaluation and comparison, robustness check and discussion.

Administrativní informace
Práce zkontrolována:
25. 5. 2021 23:37, doc. Ing. Daniel Němec, Ph.D., učo 22939
Plný text práce
575,5 KB / soubor PDF
Přílohy (2)
Jazyk práce
angličtina angličtina
Termín obhajoby
22. 6. 2021
Práce byla úspěšně obhájena

Vedoucí

doc. Ing. Daniel Němec, Ph.D., učo 22939
KE ESF MU

Oponent

Ing. Magdalena Šuterová, učo 434064
KE ESF MU

Literatura

  • ENDERS, Walter. Applied econometric time series. 4th ed. Hoboken: Wiley, 2015, x, 485. ISBN 9781118808566.
  • ROGERS, Simon a Mark GIROLAMI. A first course in machine learning. Boca Raton: CRC Press/Taylor & Francis Group, 2012, xx, 285. ISBN 9781439824146.
  • HÄRDLE, Wolfgang a Léopold SIMAR. Applied multivariate statistical analysis. Fourth edition. Heidelberg: Springer, 2015, xiii, 580. ISBN 9783662451700.
  • AGGARWAL, Charu C. Neural networks and deep learning : a textbook. Cham: Springer, 2018, xxiii, 497. ISBN 9783319944623.
Citovat tuto práci
Masarykova univerzita Ekonomicko-správní fakulta
Studijní program
Plán
Matematické a statistické metody v ekonomii

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.