Strojové učení pro statistickou arbitráž v knihách limitních objednávek

Show simple item record
dc.contributor.advisorPospíšil Jan, doc. Ing. Ph.D.cs
dc.contributor.authorPodroužek, Josefcs
dc.contributor.refereeŠedivá Blanka, RNDr. Ph.D.cs
dc.date.accepted2025-06-17
dc.date.accessioned2026-02-20T23:42:55Z
dc.date.available2024-10-01
dc.date.available2026-02-20T23:42:55Z
dc.date.issued2025-05-21
dc.date.submitted2025-05-21
dc.description.abstractTato 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.cs
dc.description.abstract-translatedThis thesis explores the principles of statistical arbitrage applied to large financial datasets, specifically focusing on limit order book (LOB) data. A literature review of existing models suitable for analysing LOB data is conducted to identify effective strategies for algorithmic trading. The core objective is to design and implement a model of LOB dynamics using distinct algorithmic trading strategies based on patterns observed in the data. Special emphasis is placed on machine learning-based models, with hyperparameters fine-tuned using appropriate optimisation methods. Various numerical experiments are conducted on extensive LOB datasets within a suitable computational environment. The results are visualized to compare the performance of the implemented trading strategies.en
dc.description.departmentKatedra matematikycs
dc.description.resultObhájenocs
dc.format85
dc.identifier100495
dc.identifier.urihttp://hdl.handle.net/11025/66409
dc.language.isoen
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezenícs
dc.rights.accessopenAccesscs
dc.subjectkniha limitních objednávekcs
dc.subjectstrojové učenícs
dc.subjectimbalance indexcs
dc.subjectdatacs
dc.subject.translatedLimit Order Booken
dc.subject.translatedMachine learningen
dc.subject.translatedImbalance indexen
dc.subject.translatedDataen
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-levelNavazujícícs
dc.thesis.degree-nameIng.cs
dc.thesis.degree-programMatematika a finanční studiacs
dc.titleStrojové učení pro statistickou arbitráž v knihách limitních objednávekcs
dc.title.alternativeMachine learning for statistical arbitrage in limit order booksen
dc.typediplomová prácecs
local.files.count5*
local.files.size565809782*
local.has.filesyes*
local.relation.IShttps://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=100495

Files

Original bundle
Showing 1 - 5 out of 5 results
No Thumbnail Available
Name:
DP_Podrouzek_A22N0005P.pdf
Size:
16.78 MB
Format:
Adobe Portable Document Format
Description:
VŠKP
Download
No Thumbnail Available
Name:
MATLAB.zip
Size:
522.67 MB
Format:
ZIP
Description:
VŠKP - příloha
Download
No Thumbnail Available
Name:
PV_Podrouzek_A22N0005P.pdf
Size:
65.74 KB
Format:
Adobe Portable Document Format
Description:
Posudek vedoucího VŠKP
Download
No Thumbnail Available
Name:
PO_Podrouzek_A22N0005P.pdf
Size:
55.08 KB
Format:
Adobe Portable Document Format
Description:
Posudek oponenta VŠKP
Download
No Thumbnail Available
Name:
PB_Podrouzek_A22N0005P.pdf
Size:
36.66 KB
Format:
Adobe Portable Document Format
Description:
Průběh obhajoby VŠKP
Download

Collections

Theses (KMA)