This thesis applies deep neural networks with complex feature inputs in an attempt to predict extreme price movements of up to 20 seconds in the EUR/USD exchange rate. The results show that neural networks do have predictive power in this application, and could potentially be used in con-junction with other models to predict the movements of the FX-market in ahigh-frequencytrading environment. Resultsalsoindicate thatextreme movements commonly happen in clusters, and predicting the initial jump is harder than predicting the succeeding movements. / Denna uppsats applicerar djupa neuronnät med komplexa features för att prediktera extrema prisrörelser på upp till 20 sekunder på valutamarknaden för EUR/USD. Resultaten visar att neuronnät har prediktionsförmåga i denna tillämpning, och att modellen potentiellt kan användas i kombination med andra modeller för att prediktera rörelser på en högfrekvenshandlande valutamarknad. Resultaten visar också att extremrörelser ofta sker i kluster, samt att prediktering är svårare för den initiala rörelsen jämfört med efterföljande.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-235810 |
Date | January 2018 |
Creators | Jagermark, Oscar |
Publisher | KTH, Matematisk statistik |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | English |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-SCI-GRU ; 2018:375 |
Page generated in 0.0127 seconds