Use of machine learning in trading in energy markets

Bakalářská práce je věnována analýze a srovnání statistických algoritmů a algoritmů strojového učení pro obchodování na energetickém trhu. Popisuje, jaké metody, algoritmy a strategie existují v obchodování a jak je správně používat. Jako praktický příklad statistické strategie je použita strategie: obchodování návratu ceny k běžné hodnotě. Pro příklad algoritmu strojového učení se používá klasifikační algoritmus Random Forest Classifier. Na základě výše uvedených strategií a algoritmů byl implementován systém, který se snaží budovat signály nákupu a prodeje na trhu, jinými slovy, k obchodování. Data pro školení a testování algoritmů jsou skutečná, protože byla stažena přímo z energetické burzy.The bachelor's thesis focuses on the analysis and comparison of statistical and machine learning algorithms for trading in the energy market. It describes what methods, algorithms and strategies exist in trading and how to use them correctly. As a practical example of a statistical strategy is used: mean reversion strategy. For an example of a machine learning algorithm, the Random Forest Classifier is used. Based on the above-mentioned strategies and algorithms, a system was implemented that tries to build buy and sell signals on the market, in other words, to trade. The data for training and testing the algorithms are real, as they were downloaded directly from the energy exchange