Bc. Jiří Vahala

Bachelor's thesis

Predikce vývoje cen na finančních trzích pomocí hlubokého učení

Prediction of Financial Markets Using Deep Learning
Abstract:
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 …more
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 …more
 

Keywords

Neural networks deep learning prediction FOREX time series TensorFlow prediction confidence
 
Language used: English
Date on which the thesis was submitted / produced: 23. 5. 2016
Identifier: https://is.muni.cz/th/py0ck/

Thesis defence

  • Date of defence: 23. 6. 2016
  • Supervisor: doc. RNDr. Tomáš Brázdil, Ph.D.
  • Reader: doc. RNDr. Lubomír Popelínský, Ph.D.

Citation record

Cite this text

Full text of thesis

Contents of on-line thesis archive
Published in Theses:
  • světu
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Masarykova univerzita, Fakulta informatiky
Složka Reference to the local database directory of the institution