03959ntm a22005657i 4500 000723631 CZ-PrVSE 20250621144446.0 m d cr n|||||||||| 250621s2025 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Preclík, Petr ISIS:169630 dis Analysis and Prediction of the Impact of Macroeconomic Indicators on the Price of Bitcoin Using Machine Learning eng Analýza a predikce dopadů makroekonomických ukazatelů na cenu Bitcoinu s využitím strojového učení / Petr Preclík 2025 ?? stran : digital, PDF soubor Vedoucí práce: Tomáš Löster Bakalářská práce (Bc.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2025 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2025 Bakalářská práce se zaměřuje na návrh a zpětné testování obchodní strategie na trhu s Bitcoinem v návaznosti na zveřejnění makroekonomických ukazatelů ve Spojených státech. Konkrétně byl sledován index spotřebitelských cen a Nonfarm Payrolls data. Sledovaný časový horizont byl určen od září 2017 po březen 2025. V práci byly porovnány klasifikační algoritmy jako logistická regrese, random forest a XGBoost, přičemž nejlepší výsledek dosáhl model XGBoost s přesností 61,54 % pro predikci 60minutového pohybu po zveřejnění CPI. V další fázi byly navrženy a testovány pravidlové obchodní strategie, kde nejlepší varianta s pevně nastaveným poměrem rizika a zisku dosáhla zhodnocení 23,9 R za všech 91 CPI událostí. V poslední kapitole praktické části práce nejlepších výsledků dosáhl reinforcement learning agent natrénovaný na 350 000 krocích, který dosáhl 21,43 R na trénovacích a 14,09 R na testovacích datech. Z celkového počtu 91 událostí, které byly rozděleny na 54 trénovacích a 37 testovacích, se agent rozhodl otevřít 34 obchodů z trénovací sady a 17 obchodů z testovací sady. Závěrem bylo zjištěno, že modely dosahují konzistentně lepších výsledků, pokud jsou trénovány a testovány na stejném typu makroekonomické události. Při pokusu o generalizaci na jiný typ dat (použití CPI modelu na NFP) docházelo ke znatelnému poklesu výkonnosti. Výsledkem práce je validní obchodní strategie a metodologický rámec umožňující opakovatelné testování a vývoj predikčních modelů pro obchodní strategie při vydání makroekonomických událostí. Způsob přístupu: Internet aplikovaná informatika [obor bakal. práce] bakalářské práce fd132403 czenas bachelor's theses eczenas makroekonomické ukazatele obchodní strategie strojové učení Bitcoin reinforcement learning CPI NFP predikční model Löster, Tomáš, 1980- mzk2009512833 ths Danko, Jakub ISIS:135501 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/90388/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/90388 Hlavní práce https://insis.vse.cz/zp/90388/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/90388/posudek/oponent/86724 Oponentura https://insis.vse.cz/zp/90388/priloha/31417 Přiloha k práci https://insis.vse.cz/zp/90388/podrobnosti dc:identifier NEPOSILAT VSKP vse90388 250619 90388