Exchange rates predictions using machine learning methods

Bc. Yaroslav Korobka

Diplomová práce

Anotace:

Základním cílem práce je vyhodnocení metod strojového učení v kontextu predikcí směnného kurzu. Literární přehled pomáhá čtenáři pochopit hlavní minulé a současné trendy v dané oblasti. Teoretické zázemí vymezuje koncepty použité v následujících kapitolách. Metodologie a data jsou věnovány popisu metody a dat, které jsou následně aktivně použité v poslední kapitole výsledků a diskuzi. Na základě výsledků je stanoveno, že přestože některé modely překonávají náhodnou procházku v kontextu různých období a nastavení, neexistuje žádná konsistence napříč měn nebo modelů.

Abstract:

The main goal of the thesis is to evaluate machine learning methods in the context of the exchange-rate predictions. Literature overview helps the reader to understand the main past and present trends in this field. Theoretical background outlines the concepts used in the later chapters. Methodology and data are devoted to the method and data description which are actively used in the last chapter of the results and discussion. On the basis of the results, it is stated that although some of the models beat random walk in the context of different periods and settings, there is no consistency across the currencies or models.

Keywords

predikce směnných kurzů, strojové učení, neuronové sítě, support-vector machines, exchange-rate predictions, machine learning, neural networks

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 14. 5. 2021

Obhajoba závěrečné práce

• Obhajoba proběhla 22. 6. 2021
• Vedoucí: doc. Ing. Daniel Němec, Ph.D.
• Oponent: Ing. Magdalena Šuterová

Masarykova univerzita

Ekonomicko-správní fakulta

Magisterský studijní program / obor:
Matematické a statistické metody v ekonomii / Matematické a statistické metody v ekonomii