AI for Stock Trading

Abstract

Tato práce se zabývá technologií AI pro obchodování s akciemi, konkrétně predikcí cen akcií. K predikci cen vybraných akcií (AAPL, MSFT, TSLA, META, GOOG) byly použity modely jako dlouhodobá - krátkodobá paměť, regresní a klasifikační feed forward neuronové síě, hluboké učení (hluboké posílení učení), a regresní model optimalizovaný pomocí metody rojení částic. V rámci této diplomové práce byly v praktické části výkonnosti různých modelů analyzovány, porovnány a prodiskutovány. Výsledky ukázaly, že model hlubokého učení poskytnul nejlepší výkon (s průměrným skóre 95 % R-squared) a model s klasifikační dopřednou neuronovou sítí byl nejhorší (s průměrným skóre přesnosti pouze 50 %). Také ostatní modely ukázaly velký potenciál pro předpovídání cen akcií, stejně jako model využívající optimalizátor optimalizaci rojem částic pak demonstroval výhodu automatického ladění hyperparametrů. Cílem je, aby tato práce přispěla k dalšímu výzkumu v oblastech AI, algoritmů, financí a informatiky.