Předpovídání vývoje více časových řad při burzovním obchodování

V diplomové práci je uveden všeobecný postup používaný pro předpověď časových řad, jejich rozdělení, základní charakteristiky a základní statistické metody pro jejich předpovídaní. Spomenuty jsou také neuronové sítě a jejich dělení s ohledem na vhodnost k předpovídaní časových řad. Je navrhnut a implementován program pro predikci vývoje více časových řad při burzovním obchodování, kterého základem je model flexibilního neuronového stromu, kterého struktura je optimalizována pomocí imunitního programování a parametry pomocí modifikované verze simulovaného žíhání anebo pomocí optimalizace hejnem částic. Program je nejdříve testován na schopnosti předpovídat jednoduché časové řady a nakonec je testována jeho schopnost předpovídat více časových řad.
The diploma thesis comprises of a general approach used to predict the time series, their categorization, basic characteristics and basic statistical methods for their prediction. Neural networks are also mentioned and their categorization with regards to the suitability for prediction of time series. A program for the prediction of the progress of multiple time series in stock market is designed and implemented, and it's based on a model of flexible neuron tree, whose structure is optimized using immune programming and parameters using a modified version of simulated annealing or particle swarm optimization. Firstly, the program is tested on its ability to predict simple time series and then on its ability to predict multiple time series.