Využití strojového učení pro predikci vývoje trhu

Práce pojednává o systému pro predikci vývoje trhu na základě dat, která byla získána na zkoumaném trhu v minulosti. Cíl byl kladen na využití metod technické analýzy k vytvoření co nejpřesnějšího odhadu chování trhu v budoucnosti. Data získaná z aktuálního stavu trhu jsou pomocí algoritmů na klasifikaci dat z oblasti strojového učení vzájemně porovnávána s historickými hodnotami trhu. Na základě jednotlivých algoritmů byl implementován software, který se snaží nalézt co nejpodobnější shodu dvou skupin dat. Testování probíhalo na sadě dat, která reprezentovala minulý vývoj trhu a bylo pozorováno, na kolik je celkový systém výkonný.
This thesis discusses a market prediction system based on the data obtained from the historic tranzaction. The main goal was to use the techniques of technical analysis to create a more accurate estimation of market behavior in the future. The data obtained from the current state of the market are compared with the historical market values using the algorithms for the classification of data from the field of learning. Based on individual algorithms, the software was designed to try to match the two sets of data as closely as possible. Testing took place on a dataset that represented the past market enthusiasm, and how much the overall system is performing.