02851ntm a22005057i 4500 000690552 CZ-PrVSE 20220122180249.0 m d cr n|||||||||| 220122s2021 xr fsbm 000 0 eng d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Mikulovská, Andrea ISIS:119501 dis Aplikace umělé inteligence při předvídání volatility cen finančních aktiv eng Aplikace umělé inteligence při předvídání volatility cen finančních aktiv / Andrea Mikulovská 2021 ?? stran : digital, PDF soubor Vedoucí práce: Milan Fičura Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví, 2022 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2022 As the high-frequency trading and, in more general, high-frequency data modelling has come to the fore in the last decades, this thesis focuses on a such modelling. In high frequency data arises a problem with intraday seasonality which is not as easy to solve as interday or less frequent seasonality. The aim of this master thesis is modelling, predicting and coping with seasonality of 1-minute intraday data of the Tesla time series, using benchmark model MC-GARCH and comparing it with models of artificial neural networks, more precisely, feedforward neural network autoregression model with single hidden layer and LSTM network with two hidden layers, and also k-nearest neighbourhood algorithm was used. For each model, three different n-period ahead rolling predictions are made. Predictive ability of models is then compared using RMSE metric. Způsob přístupu: Internet finanční inženýrství [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas Volatility MC-GARCH Neural Network K-nearest neighbourhood Fičura, Milan vse2015859798 ths Vyletelka, Michal ISIS:151721 opn Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví kn20010709398 dgg https://insis.vse.cz/zp/76540/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/76540 Hlavní práce https://insis.vse.cz/zp/76540/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/76540/posudek/oponent/73200 Oponentura https://insis.vse.cz/zp/76540/podrobnosti dc:identifier NEPOSILAT VSKP vse76540 220121 76540