People have been trying to predict the stock marketsince its inception and financial investors have made it theirprofession. What makes predicting the stock market such ahard task is its seemingly random dependency on everythingfrom Elon Musks tweets to future earnings. Machine learninghandles this apparent randomness with ease and we will try itout by implementing a Hidden Markov Model. We will modeltwo different stocks, Tesla, Inc. and Coca-Cola Company, andtry using the forecasted prices as a template for a simple tradingalgorithm. We used an approach of calculating the log-likelihoodof preceding observations and correlated it with the log-likelihoodof all the preceding subsequences of equivalent size by turningthe time window by one day in the past. The results show thatmodeling two stocks of different volatility is possible, but usingthe result as a template for trading came back inconclusive withless than 50 percent successful trades for both of the modelledstocks. / Människor har försökt förutsäga aktiemarknaden sedan starten och finansiella investerare har gjort det till sitt yrke. Det som gör att förutsäga aktiemarknaden till en så svår uppgift är dess till synes slumpmässiga beroende av allt från Elon Musks tweets till framtida intäkter. Maskininlärning hanterar denna uppenbara slumpmässighet med lätthet och vi kommer att testa det genom att implementera en Hidden Markov-modell. Vi kommer att modellera två olika aktier, Tesla, Inc. och Coca-Cola Company, och försöka använda de prognostiserade priserna som bas för en enkel algoritm att handla på. Vi använde ett tillvägagångssätt för att beräkna log-sannolikheten för föregående observationer och korrelerade den med logsannolikheten för alla föregående följder av motsvarande storlek genom att vrida tidsfönstret med en dag tidigare. Resultaten visar att det är möjligt att modellera två aktier med olika volatilitet, men att använda resultatet som en mall för handel kom tillbaka de med mindre än 50 procent framgångsrika affärer för båda modellerna. / Kandidatexjobb i elektroteknik 2021, KTH, Stockholm
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-307634 |
| Date | January 2021 |
| Creators | Lindqvist, Emil, Andersson, Robert |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2021:145 |
Page generated in 0.0021 seconds