03541ntm a22005177i 4500 000729701 CZ-PrVSE 20260201122909.0 m d cr n|||||||||| 260201s2026 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Urbanová, Michaela ISIS:170820 dis Application of artificial intelligence in cryptocurrency trading eng Aplikace umělé inteligence při obchodování s kryptoměnami / Michaela Urbanová 2026 ?? stran : digital, PDF soubor Vedoucí práce: Milan Fičura Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví, Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby Tato práce se zabývá možností využití rekurentních neuronových sítí typu LSTM a GRU pro predikci denních logaritmických výnosů vybraných kryptoměn (BTC, ETH, LTC, BNB). Na základě denních dat typu OHLCV z období 2017–2024 jsou konstruovány tři sady vstupních proměnných: základní sada (transformované cenové a objemové proměnné a logaritmické výnosy), sada technických indikátorů a sada technických indikátorů spolu s makroekonomickými daty. Predikční modely LSTM a GRU jsou kalibrovány pro různé délky paměti (10, 20, 50 dní), počty neuronů a všechny tři sady a jejich výkonnost je hodnocena pomocí RMSE, MAE a directional accuracy. Výsledky ukazují, že denní výnosy kryptoměn jsou z hlediska jednorázové predikce obtížně předvídatelné: náhodná procházka (random walk) zůstává ve všech případech velmi silným benchmarkem a nejlepší neuronové sítě se k ní pouze těsně přibližují. Následně jsou na základě predikcí sestaveny jednoduché strategie typu Long/Short, které jsou porovnány s pasivní strategií Buy&hold. U všech čtyř kryptoměn se daří nalézt konfigurace, jejichž strategie v testovacím období dosahují vyššího annualizovaného výnosu a Sharpe ratio než Buy&hold, zejména u volatilnějších altcoinů. Tato nadvýkonnost je však podmíněna ex post výběrem „nejlepších“ modelů a zanedbáním transakčních nákladů, a proto je nutné ji interpretovat opatrně jako ilustraci potenciálu i limitů hlubokých neuronových sítí při krátkodobé predikci kryptoměn. Způsob přístupu: Internet finanční inženýrství [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas LSTM GRU predikce výnosů kryptoměny neuronové sítě obchodní strategie Fičura, Milan vse2015859798 ths Vacek, Vladislav ISIS:73494 opn Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví kn20010709398 dgg https://insis.vse.cz/zp/86099/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/86099 Hlavní práce https://insis.vse.cz/zp/86099/priloha/33280 Přiloha k práci https://insis.vse.cz/zp/86099/podrobnosti dc:identifier NEPOSILAT VSKP vse86099 260113 86099