Knowledge base: Warsaw University of Technology

Settings and your account

Back

Artificial Intelligence Application for Stock Market Investments

Sebastian Sowik

Abstract

The thesis goal is to examine possibilities of artificial intelligence methods, especially machine learning and natural language processing, in order to predict stock exchange indices. The thesis is focused on three different stock market regions: cryptocurrency market, foreign exchangemarket and company market. Cryptocurrency market analysis consisted of verification of Bitcoin price prediction viabilitygiven past price data. Both contemporary recurrent neural network models: consisting of simple cells, GRU cells and LSTM cells, and standard statistical models were compared in this task. Foreign exchange market inspection dwelled on Q–learning reinforcement learning model for Euro/Dolar exchange profit maximisation. Company market underwent investigation based on Dow Jones Industry Average Index, which consists of 30 biggest American stock exchange market companies. Within data exploration, naive Bayes methods were compiled with standard neural networks and LSTM networks in the task of predicting index behavior on behalf of Reddit article headlines. Classification accuracy was compared to models relying solely on past price knowledge. In order to proceed in research goals realization, following were designed and implemented: dataset difficulty rating tools, foreign exchange market simulation module, processing and vectorization of text data function and web platform for storage of dataset research results combined with models description and their hyperparameters.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Sebastian Sowik (FMIS) Sebastian Sowik,, Faculty of Mathematics and Information Science (FMIS)
Title in Polish
Wykorzystanie sztucznej inteligencji do inwestycji giełdowych
Supervisor
Janusz Rafałko (FMIS/DSMKP) Janusz Rafałko,, Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)Faculty of Mathematics and Information Science (FMIS)
Certifying unit
Faculty of Mathematics and Information Science (FMIS)
Affiliation unit
Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)
Study subject / specialization
, Informatyka (Computer Science)
Language
(pl) Polish
Status
Finished
Defense Date
07-02-2019
Issue date (year)
2019
Reviewers
Jerzy Balicki (FMIS/DSMKP) Jerzy Balicki,, Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)Faculty of Mathematics and Information Science (FMIS) Jerzy Balicki (FMIS/DSMKP) Jerzy Balicki,, Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)Faculty of Mathematics and Information Science (FMIS) Jerzy Balicki (FMIS/DSMKP) Jerzy Balicki,, Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)Faculty of Mathematics and Information Science (FMIS) Janusz Rafałko (FMIS/DSMKP) Janusz Rafałko,, Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)Faculty of Mathematics and Information Science (FMIS) Janusz Rafałko (FMIS/DSMKP) Janusz Rafałko,, Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)Faculty of Mathematics and Information Science (FMIS) Janusz Rafałko (FMIS/DSMKP) Janusz Rafałko,, Department of Structural Methods for Knowledge Processing (FMIS/DSMKP)Faculty of Mathematics and Information Science (FMIS)
Keywords in Polish
Uczenie maszynowe, Predykcja giełdy, Bitcoin, Sieci neuronowe, Uczenie przez wzmacnianie, Analiza tekstu
Keywords in English
Machine learning, Stock market prediction, Bitcoin, Neural networks, Reinforcementlearning, Text sequence analysis
Abstract in Polish
Praca ma na celu analizę możliwości zastosowania metod sztucznej inteligencji, w szczególności modeli uczenia maszynowego i przetwarzania języka naturalnego, w zadaniu predykcji kursów i inwestycji giełdowych. Praca skupia się na badaniu trzech obszarów giełdy: rynku kryptowalut, rynku wymiany walut Forex oraz rynku spółek. Analiza rynku kryptowalut polegała na weryfikacji skuteczności predykcji kursów kryptowaluty Bitcoin w zadanym przedziale czasu na podstawie wartości kursów z przeszłości. W badaniu wykorzystano zarówno współczesne modele rekurencyjnych sieci neuronowych wykorzystujące m.in. komórki klasyczne, GRU i LSTM jak i standardowe modele statystyczne. Badanie obszaru rynku wymiany walut Forex polegało na wykorzystaniu modelu uczenia przez wzmocnienie Q–learning do maksymalizacji zysku z inwestycji w kurs wymiany Euro/Dolar. Rynek spółek został przeanalizowany na podstawie indeksu Dow Jones Industry Average (indeks na którego wartość składa się 30 największych spółek giełdy amerykańskiej). W ramach analizy zestawiono modele naiwnych klasyfikatorów bayesowskich z klasycznymi sieciami neuronowymi i sieciami LSTM w zadaniu klasyfikacji zmian indeksu na podstawie tematów artykułów z kanału worldnews serwisu Reddit. Skuteczność klasyfikacji porównano z modelami dokonującymi klasyfikacji wyłącznie na podstawie pięciu poprzednich wartości indeksu. W celu realizacji zamierzonych celów badań zostały zaprojektowane i zaimplementowane narzędzia do oceny trudności zbioru danych, moduł odpowiedzialny za symulację giełdy Forex, funkcję do przetwarzania i wektoryzacji danych tekstowych oraz platformę webową do przechowywania wyników badań zbiorów danych, wraz z opisem modeli i ich parametrów.
File
  • File: 1
    praca_inzynierska_grochowski_jurczak_sowik.pdf
Request a WCAG compliant version
Local fields
Identyfikator pracy APD: 29601

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUT44655bc0bd724121b873e59318f0c69d/
URN
urn:pw-repo:WUT44655bc0bd724121b873e59318f0c69d

Confirmation
Are you sure?
Report incorrect data on this page