Aplikace text miningových nástrojů pro predikci cen ropy

Danila Danilkin

Bakalářská práce

Application of text mining tools for prediction of oil prices

Anotace:

Tato práce se zabývá aplikací nástrojů text miningu v úloze predikce dynamiky cen ropy. Hlavním cílem bylo ověřit, zda informace obsažené v textech novinových článků jsou užitečné pro predikování trhu s ropou, a v důsledku toho vytvořit model schopný predikovat pohyby na trhu s ropou. V rámci práce byla shromážděna sada novinových článků a byla provedena jejich filtrace pomocí tematického shlukování, což představuje aplikaci text miningu. Kromě toho byla analyzována výkonnost různých kombinací modelů reprezentace textu (TF-IDF, GLoVE, BERT) a modelů pro zpracování těchto reprezentací (MLP, CNN, LSTM) při řešení úloh predikce ceny, výnosnosti, režimu trhu a pravděpodobnosti změny režimu. Výsledky ukazují, že přínos textových informací se liší v závislosti na konkrétní formulaci predikční úlohy. Různé modely v rozdílné míře využívají informace extrahované z textů a jejich efektivita se liší podle typu úlohy.

Abstract:

This thesis focuses on the application of text mining tools to the task of predicting the dynamics of oil prices. The main objective was to verify whether information contained in news articles is useful for predicting developments in the oil market and, consequently, to develop a model capable of forecasting movements in the oil market. Within the framework of the thesis, a large dataset of news articles was collected and subsequently filtered using thematic clustering, representing an application of text mining techniques. In addition, the performance of different combinations of text representation models (TF-IDF, GLoVE, BERT) and models for processing these representations (MLP, CNN, LSTM) was analyzed in tasks of price prediction, return prediction, market regime classification, and prediction of regime change probability. The results show that the contribution of textual information varies depending on the specific formulation of the predictive task. Different models rely on information extracted from texts to different extents, and their effectiveness differs across tasks.

Klíčová slova

NLP, Python, Text mining, Strojové učení, Predikce, Dynamika ceny ropy

Keywords

Text mining, NLP, Machine learning, Python, Prediction, Oil price dynamics

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 18. 3. 2026

Obhajoba závěrečné práce

• Obhajoba proběhla 19. 5. 2026
• Vedoucí: Ing. Tereza Horáková, MBA Ph.D.
• Oponent: Lucie Klaubenschalk Chytilová, Ph.D.

Česká zemědělská univerzita v Praze

Provozně ekonomická fakulta

Bakalářský studijní program:
Informatika