Predikce vývoje vybraných akciových kurzů S&P 500

Matěj Babčan

Master's thesis

Forecast of selected S&P 500 stock prices

Abstract:

Práce je zaměřena na zkoumání slabé formy efektivního trhu u náhodně vybraných akcií, které patří pod akciový index S&P 500. V rámci práce bude zkoumáno, zda u jednotlivých vybraných akcií patřící do akciového indexu S&P 500 nedochází k slabé tržní neefektivitě, která by mohla být způsobena například tím, jak je tento index široce využíván nejen klasickými velkými investory, ale i malými retailovými investory, kde někteří z nich, nemusí mít ohledně investování mnoho zkušeností. K tomuto účelu jsou v rámci práce využity 2 typy modelů. Prvním typem jsou lineární stochastické modely ARIMA. Druhým typem modelů jsou neuronové sítě. Konkrétně „Long Short Term Memory“ modely, které pro někoho mohou být známější pod zkratkou LSTM. V souvislosti s touto problematikou dochází také k srovnání těchto typů modelů, zejména pak v jejich predikčních schopnostech pro zkoumaná data. K účelu zkoumání a srovnání výsledků jednotlivých typů modelů bude navržena jednoduchá obchodní strategie, pomocí které bude možné vyhodnotit a srovnat predikční schopnosti těchto modelů. V teoretické části se zaměřuji primárně na popis vybraných typů modelů. Dále také na informace spojené s teorií efektivních trhů a akciovým indexem S&P 500.

Abstract:

This thesis is focused on the research of the weak form of the efficient market hypothesis for randomly selected stocks, which belong under the stock index S&P 500. The content of this work is the investigation of the possibility that the stocks, which are being part of the stock index S&P 500, are struggling with the weak market inefficiency, which could for example be caused by the fact that this index is being widely used by not only the classical large investors, but also the small retail ones which tend to have less experience with investing. For this purpose, there are being used two model types. The first on is the linear stochastic model ARIMA. The second type of models are neural networks, more specifically Long Short Term Memory models also known as LSTM. These two model types are being compared, especially in their predictive abilities for examined data. For the purpose of examining and comparing the results of particular model types, there will be proposed a simple strategy, with whose help it will be possible to compare and evaluate the predictive abilities of these models. My main focus on the theoretical part is the description of the used model types and the information cennected with the efficient market hypothesis and the stocks index S&P 500.

Keywords

ARIMA, Teorie efektivních trhů, S&P 500, LSTM

Keywords

LSTM, ARIMA, Efficient Market Hypothesis, S&P 500

Language used: Czech

Date on which the thesis was submitted / produced: 21. 5. 2024

Thesis defence

• Date of defence: 13. 6. 2024
• Supervisor: Jiří Witzany
• Reader: Jiří Málek

Vysoká škola ekonomická v Praze

Master programme:
Finanční inženýrství