| Summary: | 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.
|
|---|
