Strojové učení pro statistickou arbitráž v knihách limitních objednávek

Abstract

Tato diplomová práce se zabývá principy statistické arbitráže aplikované na rozsáhlé finanční datové sady, konkrétně zaměřené na data z knihy limitních objednávek (LOB). Je provedena rešerše existujících modelů vhodných pro analýzu dat LOB s cílem identifikovat efektivní strategie pro algoritmické obchodování. Hlavním cílem je navrhnout a implementovat model dynamiky LOB pomocí odlišných strategií algoritmického obchodování založených na vzorcích pozorovaných v datech. Zvláštní důraz je kladen na modely využívající strojové učení, u kterých jsou hyperparametry doladěny pomocí vhodných optimalizačních metod. Na rozsáhlých datových sadách LOB jsou provedeny různé numerické experimenty ve vhodném výpočetním prostředí. Výsledky jsou vizualizovány pro porovnání úspěšnosti implementovaných obchodních strategií.