This thesis focuses on automated trading on cryptocurrency exchanges. Cryptos are now widespread. The possibility of hier automated buying and selling is an interesting topic, which is more and more mentioned. The main part of the thesis is the design of an algorithm for processing data from stock exchanges, their evaluation and subsequent execution of cryptocurrency trades. It also describes its implementation, testing and possible further extensions.

This project uses software development to investigate the link between software and finance. The focus of the work is developing and implementing a trading algorithm which seeks to make profit by making trades based on arbitrage opportunities between currencies. Specifically, the sets of currencies examined are two fiat currencies and one cryptocurrency. Trades are made by combining a blockchain system, which maintains the cryptocurrency, and the live foreign exchange market, which enables fiat currency exchange. The main methodologies for carrying out the research are test-driven development and the use of a simulation to facilitate trades. By passing all of the unit tests, the software is verified. In addition, data gathered during runs of the simulation show that the algorithm successfully identifies arbitrage opportunities and turns a profit on average over many runs. This project proposes an interesting topic for further research in the field of blockchain technology used for financial trading. / Detta projekt bygger på mjukvaruutveckling för att undersöka kopplingen mellan programvara och finans. Arbetet fokuserar på att utveckla och implementera en algoritm för valutahandel som försöker skapa vinst genom att genomföra handel baserade på arbitragemöjligheter mellan valutor. Specifikt är de uppsättningar valutakurserna som undersöks två ordinarie valutor och en kryptovaluta. Handel utförs genom att kombinera ett s.k. blockchain-system, som upprätthåller kryptovalutan, och den ordinarie valutamarknaden för vanlig valutaväxling. De viktigaste metoderna för att genomföra undersökningen är testdriven utveckling och användande av simulering för att genomföra valutahandel. Mjukvaran verifieras med hjälp av en uppsättning enhetstester. Dessutom visar datan som samlats under simuleringar att algoritmen framgångsrikt identifierar arbitragemöjligheter och i genomsnitt ger en vinst över många körningar. Detta projekt utgör på så sätt ett intressant ämne för vidare forskning inom blockchain- teknik för finansiell handel.

This thesis aims to investigate the feasibility of using a Markovian approach toforecast short-term stock market movements. To assist traders in making soundtrading decisions, this study proposes a Markovian model using a selection ofthe latest closing prices. Assuming that each time step in the one-minute timeframe of the stock market is stochastically independent, the model eliminates theimpact of fundamental analysis and creates a feasible Markov model. The modeltreats the stock price’s movement as entirely randomly generated, which allowsfor a more simplified model that can be implemented with ease. The modelis intended to serve as a starting ground for more advanced technical tradingstrategies and act as useful guidance for a short-term trader when combinedwith other resources. The creation of the model involves Laplace smoothing toensure there are no zero-probabilities and calculating the steady-state probabilityvector of the smoothed matrix to determine the predicted direction of the nexttime step. The model will reset daily, reducing the impact of fundamental factorsoccurring outside trading hours and reducing the risk of carrying over bias fromprevious trading day. Any open positions will hence be closed at the end of theday. The study’s purpose is to research and test if a simple forecasting modelbased on Markov chains can serve as a useful tool for forecasting stock prices atshort time intervals. The result of the study shows that a Markov-based tradingstrategy is more profitable than a simple buy-and-hold strategy and that theprediction accuracy of the Markov model is relatively high. / Denna avhandling syftar till att undersöka möjligheten att använda en markoviskmetod för att förutsäga kortsiktiga rörelser på aktiemarknaden. För att hjälpaaktörer på aktiemarknaden att fatta välgrundade handelsbeslut föreslår dennastudie en markovisk modell för att förutsäga nästa stängningspris baserat påde senaste stängningspriserna. Modellen antar att varje tidssteg i ett en-minuts intervall på aktiemarknaden är stokastiskt oberoende, vilket eliminerarpåverkan från fundamental analys och skapar förutsättningen för en genomförbarmarkov-modell. Modellen behandlar aktieprisets rörelse som helt slumpmässigtgenererat, vilket möjliggör en mer förenklad modell som kan implementeraspå marknaden. Modellen är avsedd att tjäna som en utgångspunkt förmer avancerade tekniska handelsalgoritmer och fungera som en användbarvägledning för en akitehandlare med kort tidshorisont i kombination med andraresurser. Skapandet av modellen inkluderar använding av Laplace-jämning föratt säkerställa att det inte finns nollsannolikheter samt beräknandet av denstationära sannolikhetsvektorn för den jämnade matrisen i syfte att bestämmaden förutsedda riktningen för nästa tidssteg. Modellen kommer att återställasdagligen, vilket minskar påverkan från de fundamentala faktorer som inträffarutanför handelstiderna och ser till att bias inte överförs till nästa börsdag. Dettainnebär att alla öppna positioner stängs vid dagens slut. Studiens syfte är attforska och testa om en enkel prognosmodell baserad på Markovkedjor kan varaanvändbar som ett verktyg för att förutsäga aktiepriser vid korta tidsintervall.Resultatet från studien visar på att en markov-baserad trading strategi är merlönsam än en enkel köp-och-behåll strategi och att prediktionernas träffsäkerhetfrån en markov modell är relativt höga.