Návrh a implementace expertního systému pro podporu investičního rozhodování podle Clean Architecture

Abstract

Investiční rozhodování na finančních trzích je charakteristické vysokou mírou nejistoty, komplexností a závislostí na velkém množství heterogenních informací. Tento proces je často ovlivněn subjektivním posuzováním investora, což může vést k neoptimálním rozhodnutím. Využití expertních systémů umožňuje formalizaci znalostí a rozhodovacích postupů a jejich konzistentní aplikaci při hodnocení investičních příležitostí. Cílem diplomové práce je návrh a implementace expertního systému pro podporu investičního rozhodování, který na základě explicitně definovaných pravidel a znalostí umožní systematické vyhodnocování akciových titulů a poskytování investičních doporučení. Návrh systému vychází z principů pravidlových expertních systémů a je realizován s využitím architektonického přístupu Clean Architecture. V rámci řešení byl vytvořen investiční dotazník sloužící ke klasifikaci uživatelů do investorských profilů a navržena znalostní báze obsahující pravidla založená na finančních metrikách akciových titulů. Inferenční mechanismus následně vyhodnocuje splnění těchto pravidel a pomocí bodovacího přístupu generuje výsledné doporučení. Výsledkem práce je funkční expertní systém, který umožňuje analyzovat akciové tituly na základě definovaných pravidel a přizpůsobovat doporučení individuálním preferencím uživatele prostřednictvím investorských profilů a konfigurovatelných prahových hodnot. Systém přispívá ke snížení subjektivity rozhodování a poskytuje strukturovaný pohled na investiční příležitosti. Navržené řešení demonstruje možnosti využití pravidlových expertních systémů v oblasti podpory investičního rozhodování a potvrzuje vhodnost použití principů Clean Architecture při návrhu takového systému. Omezením je zejména závislost na staticky definovaných pravidlech a kvalitě vstupních dat, přičemž flexibilita systému je částečně zajištěna prostřednictvím nastavitelnosti prahových hodnot.

Investment decision-making in financial markets is characterized by a high degree of uncertainty, complexity, and dependence on a large amount of heterogeneous information. This process is often influenced by the investor’s subjective judgment, which may lead to suboptimal decisions. The use of expert systems enables the formalization of knowledge and decision-making procedures and their consistent application in the evaluation of investment opportunities.

The aim of this thesis is to design and implement an expert system for investment decision support that, based on explicitly defined rules and knowledge, enables systematic evaluation of stocks and provides investment recommendations. The system design is based on the principles of rule-based expert systems and is implemented using the Clean Architecture approach.

As part of the solution, an investment questionnaire was developed to classify users into investor profiles, and a knowledge base containing rules based on financial metrics of stocks was designed. The inference mechanism subsequently evaluates the fulfillment of these rules and, using a scoring approach, generates the final recommendation.

The result of the thesis is a functional expert system that enables the analysis of stocks based on defined rules and adapts recommendations to individual user preferences through investor profiles and configurable threshold values. The system contributes to reducing subjectivity in decision-making and provides a structured view of investment opportunities.

The proposed solution demonstrates the potential of rule-based expert systems in the field of investment decision support and confirms the suitability of applying Clean Architecture principles in the design of such a system. A limitation of the approach is primarily its dependence on statically defined rules and the quality of input data, while system flexibility is partially ensured through configurable threshold values.