Predikce akciových kurzů pomocí posilovaného učení

Šimer, Petr

Publikace:
Predikce akciových kurzů pomocí posilovaného učení

Diplomová práceopen access

dc.contributor.advisor	Hájek, Petr
dc.contributor.author	Šimer, Petr
dc.contributor.referee	Olej, Vladimír
dc.date.accepted	2011
dc.date.accessioned	2011-10-03T20:29:40Z
dc.date.available	2011-10-03T20:29:40Z
dc.date.issued	2011
dc.description.abstract	Práce se zabývá predikcí akciových kurzů pomocí metody posilovaného učení. V úvodu je popsán současný stav predikce akciových kurzů včetně základních pojmů a akciových analýz. Následně jsou vysvětleny důležité pojmy z oblasti posilovaného učení. Dále se podrobně věnuji jednotlivým součástem a elementárním metodám řešení posilovaného učení. Předzpracování a predikce finanční časové řady jsou provedeny pomocí algoritmu genetického posilovaného učení za použití open source java softwarového nástroje v prostředí produktu Keel. V závěru jsou vyhodnoceny výstupy a interpretovány výsledky, které jsou porovnány s výsledky metod učení s učitelem a vypracována uživatelská příručka.	cze
dc.description.abstract-translated	This work deals with stock price prediction using reinforcement learning method. In the introduction is described the current state of stock price prediction including the basic terms and stock analyses. Consequently, the important terms of reinforcement learning are explained. Further on, I deal in detail with particular items and elementary methods of reinforcement learning. Preprocessing and prediction of financial time series is done using genetic reinforcement learning algorithm within open source java software tool in the environment of Keel software product. Finally, the outputs are assessed and the results are interpreted and compared with the results of supervised learning methods. Also, a user manual is created.	eng
dc.description.defence	Student seznámil s výsledky své diplomové práce na téma Predikce akciových kurzů pomocí posilovaného učení. Otázky byly směřovány na oblast použitých dat. Autor na otázky pohotově odpovídal. \nl{}\nl{} Otázky komise: \begin{tecky} \item{} Blíže charakterizujte zdroj, strukturu atd. u použitých dat. \item{} Kde jsou v práci popsána data? \item{} Provedl jste operaci očištění dat? Pokud ne, proč? \end{tecky}	cze
dc.description.department	Ústav systémového inženýrství a informatiky	cze
dc.description.grade	Dokončená práce s úspěšnou obhajobou	cze
dc.format	86 s.
dc.format.extent	5051546 bytes	cze
dc.format.mimetype	application/pdf	cze
dc.identifier	Univerzitní knihovna (sklad)	cze
dc.identifier.signature	D25012
dc.identifier.stag	13202	cze
dc.identifier.uri	https://hdl.handle.net/10195/41811
dc.language.iso	cze
dc.publisher	Univerzita Pardubice	cze
dc.rights	Bez omezení	cze
dc.subject	posilované učení	cze
dc.subject	predikce akciových kurzů	cze
dc.subject	genetické algoritmy	cze
dc.subject	symbiotická evoluce	cze
dc.subject	předzpracování dat	cze
dc.subject	finanční časové řady	cze
dc.subject	učení s učitelem	cze
dc.subject	reinforcement learning	eng
dc.subject	stock price prediction	eng
dc.subject	genetic algorithm	eng
dc.subject	symbiotic evolution	eng
dc.subject	data preprocessing	eng
dc.subject	financial time series	eng
dc.subject	supervised learning	eng
dc.thesis.degree-discipline	Informatika ve veřejné správě	cze
dc.thesis.degree-grantor	Univerzita Pardubice. Fakulta ekonomicko-správní	cze
dc.thesis.degree-name	Ing.	cze
dc.thesis.degree-program	Systémové inženýrství a informatika	cze
dc.title	Predikce akciových kurzů pomocí posilovaného učení	cze
dc.title.alternative	Stock prices prediction by reinforcement learning	eng
dc.type	diplomová práce	cze
dspace.entity.type	Publication