Browse IS/STAG - Portál UTB

Skip to page content
Website UTB
Portal title page UTB
Anonymous user Login Česky
Browse IS/STAG
Login Česky
  • Welcome
  • Browse IS/STAG
  • Applicant
  • Graduate
  • Web services
  • ECTS
  • User Info
Welcome
Browse IS/STAG
Information for applicantsElectronic applicationECTS arrivals
Getting startedAlumni ClubAbsolvent - website
Web services
ECTS
User Info

1st level navigation

  • Welcome
  • Browse IS/STAG
  • Applicant
  • Graduate
  • Web services
  • ECTS
  • User Info
User disconnected from the portal due to long time of inactivity.
Please, click this link to log back in.
(Sessions are disconnected after 240 minutes of inactivity. Note that mobile devices may get disconnected even sooner).

Prohlížení IS/STAG (S025)

Help

Main menu for Browse IS/STAG

  • Programmes and specializations.
  • Courses
  • Departments
  • Lecturers
  • Students
  • Examination dates
  • Timetable events
  • Theses, selected item
  • Pre-regist. study groups
  • Rooms
  • Rooms – all year
  • Free rooms – Semester
  • Free rooms – Year
  • Capstone project
  • Times overlap
  •  
  • Title page
  • Calendar
  • Help

Search for a Thesis

Print/export:  Bookmark this link in your browser so that you may quickly load this IS/STAG page in the future.
Only logged-in user will see student personal numbers.

Dates found, count: 1

Search result paging

Found 1 records Print Export to xls List URL
  Surname Name Title Thesis status   Supervisors Reviewers Type of thesis Date of def. Title
Student Type of thesis - - - - - - - - - -
Item shown in detail Směták Includes the selected person into the timetable overlap calculation. Roman Analysis and Modelling Stock Exchange Data Analysis and Modelling Stock Exchange Data Thesis finished and defended successfully (DUO).   Kubalčík Marek Barot Tomáš Master's thesis 1559512800000 03.06.2019 Analysis and Modelling Stock Exchange Data Thesis finished and defended successfully (DUO).
Roman Směták Master's thesis 0XX 0XX 0XX 0XX 0XX 0XX 0XX 0XX 0XX 0XX

Thesis info Analýza a modelování burzovních dat

  • Basic data
The document you are accessing is protected by copyright law. Unauthorised use may lead to criminal sanctions.
Name Směták Roman Includes the selected person into the timetable overlap calculation.
Acad. Yr. 2018/2019
Assigning department AUIUI
Date of defence Jun 3, 2019
Type of thesis Master's thesis
Thesis status Thesis finished and defended successfully (DUO). Thesis finished and defended successfully (DUO).
Completeness of mandatory entries - All mandatory fields for this Thesis are filled in.
Main topic Analýza a modelování burzovních dat
Main topic in English Analysis and Modelling Stock Exchange Data
Title according to student Analýza a modelování burzovních dat
English title as given by the student Analysis and Modelling Stock Exchange Data
Parallel name -
Subtitle -
Thesis supervisor Kubalčík Marek, prof. Ing. Ph.D.
External examiner Barot Tomáš, Ing. Ph.D.
Annotation V této práci je popsáno prostředí akciových trhů, včetně jejich klasických analýz. Popsány jsou také zdroje pro získání burzovních případně souvisejících ekonomických dat a případné problémy s nimi. Jsou zde definovány časové řady a popsány metody pro jejich modelování. Zvoleny jsou také parametry pro modelování těchto řad. Pro vyhodnocení kvality modelu a predikce jsou zvoleny vhodné funkce Je porovnána predikce provedena jak pomocí statistických regresí, tak z oblasti softcomputingu (analytické programování) . Jeden směr tvorby predikce je jen na základě minulých hodnot, druhý směr predikuje hodnoty v závislost na více vstupech.
Annotation in English This work describes the stock market environment, including their classical analyzes. There are also described sources for obtaining stock exchange or related economic data and possible problems with them. There are defined time series and methods for their modeling. Parameters for modeling these series are also selected. Suitable functions are chosen to evaluate the model's quality and prediction. The prediction is compared using both statistical regression and softcomputing (analytical programming). One direction of prediction creation is based only on past values, the other direction predicts values depending on multiple inputs.
Keywords predikce, burzovní data, autoregresní model, modelace časových řad, srovnání s analytickým programováním
Keywords in English prediction, stock exchange data, autoregressive model, time series modeling, comparison with analytical programming prediction
Length of the covering note 48
Language CZ
Annotation
V této práci je popsáno prostředí akciových trhů, včetně jejich klasických analýz. Popsány jsou také zdroje pro získání burzovních případně souvisejících ekonomických dat a případné problémy s nimi. Jsou zde definovány časové řady a popsány metody pro jejich modelování. Zvoleny jsou také parametry pro modelování těchto řad. Pro vyhodnocení kvality modelu a predikce jsou zvoleny vhodné funkce Je porovnána predikce provedena jak pomocí statistických regresí, tak z oblasti softcomputingu (analytické programování) . Jeden směr tvorby predikce je jen na základě minulých hodnot, druhý směr predikuje hodnoty v závislost na více vstupech.
Annotation in English
This work describes the stock market environment, including their classical analyzes. There are also described sources for obtaining stock exchange or related economic data and possible problems with them. There are defined time series and methods for their modeling. Parameters for modeling these series are also selected. Suitable functions are chosen to evaluate the model's quality and prediction. The prediction is compared using both statistical regression and softcomputing (analytical programming). One direction of prediction creation is based only on past values, the other direction predicts values depending on multiple inputs.
Keywords
predikce, burzovní data, autoregresní model, modelace časových řad, srovnání s analytickým programováním
Keywords in English
prediction, stock exchange data, autoregressive model, time series modeling, comparison with analytical programming prediction
Research Plan
  1. Získejte data časových řad na základě vývoje vybraných akciových titulů popřípadě akciových burzovních indexů v náhodně vybraných historických časových obdobích.
  2. S využitím statistických regresních metod získejte pro dané časové řady parametry regresních modelů s vhodně zvolenou strukturou.
  3. Pomocí vybraných metod softcomputingu získejte parametry vhodných modelů popisujících stejné časové řady.
  4. Analýzu opakujte pro různá časová období.
  5. Jednotlivé modely ověřte na datech následujících po zvoleném časovém období. Porovnejte predikované hodnoty s historickou skutečností a zhodnoťte kvalitu jednotlivých modelů.
Research Plan
  1. Získejte data časových řad na základě vývoje vybraných akciových titulů popřípadě akciových burzovních indexů v náhodně vybraných historických časových obdobích.
  2. S využitím statistických regresních metod získejte pro dané časové řady parametry regresních modelů s vhodně zvolenou strukturou.
  3. Pomocí vybraných metod softcomputingu získejte parametry vhodných modelů popisujících stejné časové řady.
  4. Analýzu opakujte pro různá časová období.
  5. Jednotlivé modely ověřte na datech následujících po zvoleném časovém období. Porovnejte predikované hodnoty s historickou skutečností a zhodnoťte kvalitu jednotlivých modelů.
Recommended resources
  1. MUSÍLEK, Petr. Trhy cenných papírů. Praha: Ekopress, 2002, 459 s. ISBN 8086119556.
  2. DOSTÁL, Petr. Soft computing v podnikatelství a veřejné správě. Brno: Akademické nakladatelství CERM, 2015, 2 sv. ISBN 9788072048960.
  3. CUESTA, Hector. Analýza dat v praxi. Brno: Computer Press, 2015, 296 s. ISBN 9788025143612.
  4. FANTA, Jiří. Psychologie, algoritmy a umělá inteligence na kapitálových trzích. Praha: Grada, 2001, 167 s. Finance. ISBN 8024700247.
  5. ZELINKA, Ivan, Zuzana KOMÍNKOVÁ OPLATKOVÁ a Roman ŠENKEŘÍK. Aplikace umělé inteligence. Zlín: Univerzita Tomáše Bati ve Zlíně, 2010, 151 s. ISBN 9788073188986.
  6. NELLES, Oliver. Nonlinear system identification: from classical approaches to neural networks and fuzzy models. Berlin: Springer, c2001, xvii, 785 s. ISBN 3540673695.
Recommended resources
  1. MUSÍLEK, Petr. Trhy cenných papírů. Praha: Ekopress, 2002, 459 s. ISBN 8086119556.
  2. DOSTÁL, Petr. Soft computing v podnikatelství a veřejné správě. Brno: Akademické nakladatelství CERM, 2015, 2 sv. ISBN 9788072048960.
  3. CUESTA, Hector. Analýza dat v praxi. Brno: Computer Press, 2015, 296 s. ISBN 9788025143612.
  4. FANTA, Jiří. Psychologie, algoritmy a umělá inteligence na kapitálových trzích. Praha: Grada, 2001, 167 s. Finance. ISBN 8024700247.
  5. ZELINKA, Ivan, Zuzana KOMÍNKOVÁ OPLATKOVÁ a Roman ŠENKEŘÍK. Aplikace umělé inteligence. Zlín: Univerzita Tomáše Bati ve Zlíně, 2010, 151 s. ISBN 9788073188986.
  6. NELLES, Oliver. Nonlinear system identification: from classical approaches to neural networks and fuzzy models. Berlin: Springer, c2001, xvii, 785 s. ISBN 3540673695.
Týká se praxe No
Enclosed appendices CD ROM
Appendices bound in thesis -
Taken from the library No
Full text of the thesis
Appendices
Reviewer's report
Supervisor's report
Defence procedure record file