Metody strojového učení a umělé inteligence pro automatizované obchodování

Abstract

Tato bakalářská práce se zabývá návrhem a implementací univerzálního automatizovaného systému pro obchodování kryptoměn s využitím metod umělé inteligence. Úvodní část charakterizuje specifika kryptoměnového trhu a omezení tradičních analytických metod. V teoretickém přehledu jsou popsány různé principy využití umělé inteligence. Představeny jsou techniky založené na zpracování přirozeného jazyka a predikce časových řad. Práce obsahuje krátký popis existujících řešení. V praktické části jsou porovnány predikční schopnosti modelů ARIMA, MLP a LSTM. Nejlepších výsledků dosáhl model LSTM. Výsledné řešení využívá mikroslužbovou architekturu s technologiemi Docker, Kubernetes a Apache Kafka. V závěru jsou diskutovány limity praktické aplikace systému vzhledem k transakčním nákladům a možnosti dalšího rozvoje.

This bachelor's thesis focuses on the design and implementation of a universal automated cryptocurrency trading system utilizing artificial intelligence methods. The introductory section characterizes the specifics of the cryptocurrency market and the limitations of traditional analytical approaches. The theoretical overview describes various principles of artificial intelligence applications, presenting techniques based on natural language processing and time series prediction. The thesis also briefly reviews existing solutions. The practical part compares the predictive capabilities of ARIMA, MLP, and LSTM models, with the LSTM model achieving the best results. The final solution employs a microservices architecture leveraging Docker, Kubernetes, and Apache Kafka technologies. The conclusion discusses practical limitations of the implemented system related to transaction costs and outlines possibilities for future development.