Bakalářská práce - Slavík

Implementace řešení bakalářské práce "Algoritmické obchodování na burze s využitím umělých neuronových sítí".

Funkcionalita:

• zpracování dat
• trénování neuronové sítě
• evaluace modelu
• optimalizace algoritmických strategií
• obchodování automatizované prahové strategie
• obchodování automatizované prahové strategie s MACD indikátorem

Průvodce implementací

Pokud Vás zajímá proces implementace, ale nechce se Vám instalovat package lokálně, je zde připraven průvodce v podobě jupyter notebooku mapující workflow a funkcionalitu práce.

• Průvodce implementací - ONLINE

Struktura projektu

Interface

• Workflow_Guide.ipynb - Jupyter Notebook vysvětlující implementaci trénování modelu a obchodních strategií
• training_iterator.py - Iterátor pro hromadné trénování neuronových sítí

Dataset Manager

• dataset_manager.py - pro správu a manipulaci s daty
• technical_indicators.py - technické indikátory
• datasets - složka s datasetem ve formátu .csv

Neural Lab

• logger.py - package pro logování informací o natrénovaných modelech
• ann_clasification.py - řízení topologie a parametrů modelu
  • model_builder.py - sestavení modelu a jeho trénování
  • model_evaluation.py - evaluace vytrénovaného modelu
  • model_strategies.py - algoritmických strategií a jejich evaluace

Instalace

Pokud chcete zprovoznit implementaci, je třeba dodržet následující pokyny.

Python verze 3.6.5

Práce je programována v jazyce Python 3.6.5. Je možné, že na nejnovější verzi nebudou spolehlivě běžet všechny použité dependencies. Pro kontrolu verze použijte následující příkaz.

python --version

Instalace virtual environment

pip install virtualenv

Vytvoření virtualního prostředí

Přejděte do složky, kde chcete nový python interpreter instalovat a použijte

virtualenv ann-algotrading

Aktivace virtuálního prostředí

ann-algotradin\Scripts\activate

Instalace dependencies

cd do root složky projektu a poté nainstalujte dependencies

pip install -r requirements.txt

Popis implementace a workflow

Notebook s popisem workflow je napsán v jupyter notebooku

jupyter notebook

Poté v adresáři vyhledejte root složku a v ní interface, uvnitř které je umístěn notebook workflow_description.ipynb.

Training Iterator

Slouží k hromadnému trénování neuronových sítí za účelem optimalizace parametrů. Hromadné trénování je velmi časově náročné a pohybuje se v řádech hodin.

Help

• https://developer.akamai.com/blog/2017/06/21/how-building-virtual-python-environment
• https://jupyter-notebook-beginner-guide.readthedocs.io/en/latest/execute.html