Publikace detail

Prediction analysis for US stock market

Autoři: Šild Petr

Rok: 2020

Druh publikace: článek ve sborníku

Název zdroje: International Days of Statistics and Economics : conference proceedings

Název nakladatele: Melandrium

Místo vydání: Slaný

Strana od-do: 998–1007

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Prediktivní analýza amerického akciového trhu	Cílem tohoto článku je použít prediktivní analýzu pro řízení rizika vybraného portfolia amerických akcií, zejména zabránit velkým ztrátám při nepřiznivývh situacích na trhu a naopak maximalizovat zisk na býčím trhu. Cílem není predikovat jakou konkrétní akcii je nejvýhodnější držet, avšak predikovat, který sektor je nejvýhodnější držet a v jakém poměru vzhledem k celému portfoliu. Vzhledem ke koronavirové krizi, zkusíme model naučit na datech minulých krizí a pak vyhodnotíme, jestli model dokázal předpovědět i tu koronavirovou a vyhnout se masivním ztrátám. Pro tento účel byl vybrán americký trh z důvodu dostupnosti nejdelší časové řady dat. Pro predikci byly využity statistické metody, jako například logistická regrese, a také pokročilejší metody jako například rozhodovací stromy, náhodné lesy a neuronové sítě. Vhodný programovací jazyk pro prediktivní analýzu je Python a proto byl využit pro analýzu v článku.	Modelování;Python;Investice;Prediktivní analýza
eng	Prediction analysis for US stock market	The goal of this paper is to use prediction analysis for managing the risk of the selected portfolio of US shares, especially to prevent massive loses during unfavourable situation on stock market and otherwise to maximize the profit on bull market. The aim is not to predict which share would be the best to buy, but to predict the sector which would be the best to hold and in what proportion of the entire portfolio.As we can experiencein recent days a coronavirus crisis, we will try to learn model from past crisis and then try to evaluate, if the model managed to avoid massive loses during crisis.For this purpose was selected US stock market because there is the longest series of dataavailable. For the realization of the prediction analysis was selected statistical method of logistic regression and the more advanced methods like decision trees, random forest and neural nets. The suitable programming language for prediction analysis isPython, therefore, it was also used in the analyses presented in the article.	Modelling;Python;Investments;Prediction analysis

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte