Predikce devizových kurzů při algoritmickém obchodováni

Bc. Lukáš Galeta

Bachelor's thesis

Exchange rates forecast based on algorithmic trading

Abstract:

Cílem této bakalářské práce je vyšetřit krátkodobou predikční výkonnost benchmark modelu ARMA a vybraných souborových metod strojového učení s učitelem na H1 EUR/USD forexovém páru. Bakalářská práce začíná teoretickým představením použitých modelů strojového učení, následovaným přehledem dat a feature engineeringu. Predikční výkonnost modelů je porovnávána a analyzována. Nejlepší predikční výkonnost byla dosažena stohovým modelem, který používal rozhodovací strom, náhodný les a XGBoost modely jako první úroveň modelů a lineární regresi jako model druhé úrovně. Bylo ukázáno, že benchmark ARMA model byl překonán.

Abstract:

The aim of this bachelor thesis is to examine the short-term forecast performance of the benchmark ARMA model and tree-based ensemble machine learning methods on the H1 EUR/USD forex pair. The thesis starts by a theoretical introduction of used machine learning models followed by a data overview and feature engineering. The forecast performance of models is compared and results are analyzed. The best forecast performance was achieved by the stacked model which was using Decision Tree, Random Forest and XGBoost models as first-level models and linear regression as a second-level model. It was shown that the ARMA benchmark model has been overcome.

Keywords

machine learning, Stacked model, XGBoost, Random Forest, EUR/USD Forex pair, short term price prediction

Language used: English

Date on which the thesis was submitted / produced: 29. 4. 2022

Thesis defence

• Date of defence: 1. 9. 2022
• Supervisor: Ing. Mgr. Vlastimil Reichel, Ph.D.
• Reader: Ing. Tomáš Plíhal, Ph.D.

Masaryk University

Faculty of Economics and Administration

Bachelor programme / field:
Finance / Finance