Algoritmické obchodování

Abstract

Oblast kvantitativní matematiky a návazného algoritmického obchodování se stala běžnou praxí začínajících řádových investorů i nutným nástrojem pro zkušené aktivní denní obchodníky. Algoritmické obchodování spojuje prvky psychologie, ekonomie, matematiky a informatiky. Cílem této bakalářské práce je prozkoumat možnosti využití neuronových sítí pro predikci tržních trendů. Práce nejprve představuje možné programové nástroje a klíčové oblasti algoritmického obchodování pro analýzu burzovních dat a jejich predikci. Jako burzovní data byly použity reálné data z burzy Binance, které jsou analyzovány a upraveny pro potřeby neuronových sítí k lepší predikci trhu. Byla vybrána predikovaná vlastnost a technické indikátory. Cílem je využít všech těchto prvků, jako dodatečné znalosti pro lepší odhad chování trhu. Těchto prvků je využito ve dvou strategiích - konzervativní a hamižné. Obě strategie jsou mezi sebou porovnány a vyhodnoceny, jak ve výsledné výnosnosti, tak v úspěšnosti. Konzervativní strategie se ukázala mít lepší výnosnost a hamižná strategie měla lepší úspěšnost.

The field of quantitative mathematics and related algorithmic trading has become a common practice for beginning serial investors and a necessary tool for experienced day traders. Algorithmic trading combines elements of psychology, economics, mathematics and computer science. The aim of this bachelor thesis is to explore the possibilities of using neural networks to predict market trends. The thesis first introduces possible software tools and key areas of algorithmic trading for stock market data analysis and prediction. Real data from Binance exchange was used as the exchange data, which is analyzed and modified for neural networks to better predict the market. The target feature to predict and technical indicators were selected. The aim is to use all these elements as additional knowledge to better estimate the market behavior. These elements are used in two strategies - conservative and greedy. The two strategies are compared and evaluated against each other, both in terms of final returns and success rates. The conservative strategy was found to have a better return and the greedy strategy had a better success rate.