Master's Thesis

Quantitative Approach of Developing Algorithmic Trading Strategies

Final Thesis 4.47 MB

Author of thesis: Bc. Chiril Florescu

Acad. year: 2025/2026

Supervisor: Ing. et Ing. Zuzana Janková, Ph.D.

Reviewer: Ing. Jan Budík, Ph.D., MBA

Abstract:

This thesis develops a quantitative trading system for drawdown-averse retail
investors — market participants whose primary objective is capital preservation, not
continuous market exposure. The system defaults to cash and deploys long-equity
exposure only when several independent mathematical signatures of a market bottom
agree simultaneously. The design rests on three empirical regularities of equity markets.
First, every developed equity index has eventually recovered from every drawdown it has
experienced — long-equity downside is bounded in the limit of recovery. Second, daily
returns are not forecastable but their volatility clusters strongly and persistently (Engle
1982; Bollerslev 1986) — so the system trades regime, not direction. Third, returns and
volatility are negatively correlated (the leverage effect); the signature of a market bottom
is therefore not a low price (which holds throughout the descent) but a joint condition —
deep drawdown paired with volatility that has peaked and is turning down. This logic is
implemented in the Crisis-Invariant Classifier system architecture: two transparent K
of-N voting classifiers built from pre-registered, distribution-free invariants drive a four
state position machine with a 15 % recovery-state stop-loss override. On a sealed out-of
sample window from January 2020 to April 2026 (COVID, the 2022 rate shock, the 2023
long-bond episode), the strategy delivers a Sharpe ratio of 0.99 against buy-and-hold's
0.73 and a maximum drawdown of −17 % against −34 %. Drawdown is reduced in 11 of
12 historical anchor crises and in all 11 international equity indices tested without
parameter retuning. The contribution is a measurement-consensus discipline that
exchanges full-sample compounding for material drawdown reduction.

Keywords:

algorithmic trading · crisis-invariant classifier · market-bottom detection · recovery
timing · conditional volatility · crisis regime · K-of-N voting classifier · state-machine
trading · per-window backtesting · methodological pre-registration · maximum
drawdown reduction · sealed out-of-sample evaluation · capital preservation · leverage
effect · volatility autocorrelation · GARCH · phase-space trajectory · bootstrap
confidence intervals

Date of defence

15.06.2026

Result of the defence

Not defended (thesis was not successfully defended)

znamkaFznamka

Grading

F

Process of defence

Student ve své prezentaci seznámil komisi s cíli, řešením a výsledky, ke kterým v závěrečné práci dospěl. Komise se poté seznámila s posudky a hodnocením vedoucího práce a oponenta. Vedoucí práce hodnotil práci stupněm „F“, oponent hodnotil práci stupněm „F“. Otázky z posudku vedoucího student zodpověděl v plném rozsahu, otázky z posudku oponenta zodpověděl v plném rozsahu. Otázky členů komise: 1. prof. Ing. Alena Kocmanová, Ph.D.: Definujte co je v tomto případě agenta. Co je přínosem Vaší diplomové práce? Jak bude plánovaná strategie reagovat na neočekávané krize či změny? Vyzkoušel jste strategii na nějaké společnosti? 2. Mgr. Štěpán Konečný, Ph.D.: Kdo by mohl strategii implementovat? 3. doc. Ing. Marie Pavláková Dočekalová, Ph.D.: Jak jste testoval model? Na základě přednesené prezentace a odpovědí na otázky položené v diskusi komise konstatovala, že nedostatky v závěrečné práci jsou závažné a rozhodla, že student práci neobhájil.

Language of thesis

English

Faculty

Fakulta podnikatelská

Department

Institute of Economics

Study programme

International Economics and Business (MGR-MEO)

Composition of Committee

prof. Ing. Alena Kocmanová, Ph.D. (předseda)
doc. Ing. Marie Pavláková Dočekalová, Ph.D. (místopředseda)
Mgr. Štěpán Konečný, Ph.D. (člen)
Ing. Markéta Kruntorádová, Ph.D. (člen)
Ing. Roman Ptáček, Ph.D. (člen)

Supervisor’s report
Ing. et Ing. Zuzana Janková, Ph.D.

Předložená diplomová práce se zabývá návrhem kvantitativního přístupu k vývoji algoritmických obchodních strategií se zaměřením na detekci krizových režimů a časování vstupů do akciového trhu. Téma práce je aktuální a odborně ambiciózní. Autor se pokouší propojit poznatky z oblasti finančních trhů, volatility, statistické klasifikace a algoritmického obchodování do vlastního rozhodovacího rámce, který vykazuje značnou technickou komplexnost.

Přes nespornou pracnost a rozsah předloženého řešení však práce vykazuje závažné nedostatky, které významně snižují její odbornou přesvědčivost. Nejproblematičtější považuji nedostatečnou metodologickou transparentnost navrženého postupu, omezenou možnost ověřit reprodukovatelnost prezentovaných výsledků a opakované formulování velmi silných závěrů, které přesahují rozsah provedené analýzy. V řadě případů autor prezentuje vlastní metodické konstrukce a návrhová rozhodnutí jako obecně platné poznatky nebo hlavní vědecké přínosy práce, aniž by jejich platnost byla dostatečně empiricky podložena.

Významným nedostatkem je rovněž skutečnost, že práce vznikala bez standardního průběžného konzultačního procesu. Vedoucí práce tak neměl možnost průběžně ověřovat správnost zvoleného postupu, konzistenci jednotlivých rozhodnutí ani míru porozumění autora navrženému řešení. Tato skutečnost se následně promítá do řady obsahových, metodických i formálních nedostatků, které bylo možné v průběhu zpracování práce eliminovat. Současně v práci absentuje deklarace o využití nástrojů generativní umělé inteligence. Vzhledem k omezené možnosti průběžně ověřovat samostatnost zpracování práce během jejího vzniku považuji tuto skutečnost za problematickou, a to zejména s ohledem na rozsah, stylistické charakteristiky a způsob zpracování předloženého textu.

Přestože práce obsahuje řadu zajímavých myšlenek, předložené řešení nepovažuji v současné podobě za dostatečně přesvědčivě doložené z hlediska akademických požadavků kladených na diplomovou práci. Vzhledem k rozsahu identifikovaných nedostatků hodnotím práci stupněm E a doporučuji ji k obhajobě s výraznými výhradami.

1. Jak jste přesně definoval „historickou kotevní krizi“? Uveďte všech 12 krizových epizod včetně datace a vysvětlete metodiku jejich výběru tak, aby byl postup reprodukovatelný a nevznikalo riziko ex post selekce událostí.

2. Kolik parametrů finálního modelu bylo stanoveno již v původní pre-registraci a kolik jich bylo změněno prostřednictvím následných dodatků? Jak by se změnily výsledky strategie při použití původní pre-registrované specifikace?

3. Jak jste ověřil, že identifikované invarianty nepředstavují pouze vlastnosti dvanácti vybraných krizových epizod, ale obecnější znaky tržních obratů?

4. Jakými postupy jste eliminoval overfitting, look-ahead bias, survivorship bias a data snooping?

5. Na základě jakých statistických argumentů považujete tvrzení, že navržený model není přeučený a že hlavní hypotéza byla empiricky validována, za dostatečně podložené, když zapečetěné out-of-sample okno obsahuje pouze tři krizové epizody?

6. Proč nejsou součástí práce vstupní datasety a zdrojové kódy, když bez nich není možné nezávisle ověřit správnost výpočtů, reprodukovatelnost výsledků ani funkčnost navrženého řešení?

7. Jaké konkrétní nástroje generativní AI byly při zpracování práce využity, v jakém rozsahu a proč tato skutečnost není  v práci deklarována?
Evaluation criteria Verbal classification Grade
Meeting the objectives Práce neobsahuje explicitně formulovaný cíl práce, který je standardní součástí závěrečných prací. Autor místo něj uvádí rozsáhle formulovanou výzkumnou otázku a následně vlastní tvrzení práce („thesis sentence“), což ztěžuje jednoznačné posouzení míry naplnění stanoveného cíle. Výzkumná otázka současně vedle samotného výzkumného problému zahrnuje také popis navržené metodiky, klasifikátorů a konstrukčních prvků modelu, čímž ztrácí přehlednost a funkci jasně vymezeného výzkumného zadání. Přestože lze z textu odvodit hlavní záměr práce, jeho vymezení není dostatečně jednoznačné a v průběhu práce dochází k částečnému prolínání cílů, metodických postupů, návrhových rozhodnutí a deklarovaných přínosů. Splnění zamýšleného záměru práce lze považovat za částečné, avšak jeho jednoznačné vyhodnocení je vzhledem ke způsobu formulace výzkumného zadání obtížné. D
Selected procedure of the solution, the adequacy of the used methods Autor navrhl rozsáhlý a technicky propracovaný metodický rámec kombinující klasifikátory, stavový automat a systém invariantů, přičemž pozitivně hodnotím systematický přístup ke konstrukci modelu i využití robustnostních testů typu leave-one-crisis-out. Současně však některá klíčová metodická rozhodnutí, zejména nastavení prahových hodnot, screeningových kritérií a následné úpravy modelu prostřednictvím dodatků, nejsou dostatečně diskutována z hlediska jejich vlivu na dosažené výsledky. Přestože autor opakovaně zdůrazňuje princip pre-registrace, práce současně dokumentuje řadu následných změn parametrů a rozhodovacích pravidel, což oslabuje hlavní přínos pre-registrace jako nástroje omezujícího dodatečné přizpůsobování modelu historickým datům. Není tak zcela zřejmé, do jaké míry byly jednotlivé úpravy prováděny nezávisle na znalosti výsledků a jaký měly dopad na finální podobu modelu. Návrhová část navíc obsahuje velké množství parametrů a rozhodovacích pravidel, jejichž volba není vždy dostatečně podložena odbornou literaturou nebo systematickou analýzou citlivosti. Pro zvýšení transparentnosti a reprodukovatelnosti práce by bylo vhodné jednoznačně specifikovat použité softwarové prostředí, programovací jazyk, zdroj dat a implementační nástroje využité při zpracování analýz.  D
The ability to interpret the results and to draw conclusions Autor prezentuje dosažené výsledky přehledně a věnuje pozornost také situacím, kdy nebyla splněna všechna předem stanovená kritéria. Interpretace výsledků však vykazuje řadu nedostatků. V textu se opakovaně objevují velmi kategorická tvrzení a zobecnění, která přesahují rozsah provedené analýzy a dostupné empirické evidence. Autor místy přechází od interpretace výsledků získaných na konkrétním datovém souboru a omezeném počtu historických krizových epizod k obecným tvrzením o fungování finančních trhů, validaci navrženého přístupu či absenci přeučení modelu. Některé konstrukční prvky navrženého systému jsou současně prezentovány jako hlavní vědecké přínosy práce, přestože představují spíše metodická nebo implementační rozhodnutí. V analytické a diskusní části se rovněž objevují hodnotící soudy o vhodnosti či nevhodnosti alternativních přístupů, případně tvrzení o nezbytnosti určitých konstrukčních prvků pro strategie daného typu, aniž by taková zobecnění byla dostatečně podložena provedenou analýzou. Výsledky by proto bylo vhodné interpretovat opatrněji, důsledněji oddělit empirická zjištění od jejich ekonomické interpretace a výrazněji reflektovat omezení studie, zejména s ohledem na rozsah dat a počet out-of-sample krizových epizod.  E
The practical usability of conclusions Praktická využitelnost navrženého řešení je vzhledem k zaměření práce potenciálně zajímavá, neboť autor navrhuje systém pro identifikaci krizových režimů a podporu rozhodování při obchodování na finančních trzích. Navržený rámec kombinuje více metod a rozhodovacích mechanismů, které by teoreticky mohly nalézt uplatnění při konstrukci algoritmických obchodních strategií. Možnosti praktického využití jsou však omezeny nedostatečně doloženou robustností navrženého řešení a omezeným rozsahem jeho ověření. Přestože autor deklaruje přenositelnost přístupu napříč různými trhy a krizovými situacemi, prezentované výsledky vycházejí z relativně omezeného počtu historických krizových epizod a chybí hlubší diskuse praktických omezení modelu v reálném obchodním prostředí. Případná aplikace navrženého řešení v praxi by proto vyžadovala další rozsáhlejší validaci a ověření jeho stability v různých tržních podmínkách.  D
The thesis´s framework, formalities, used terminology and the professional level of language Po odborné i formální stránce práce vykazuje řadu nedostatků. Formální struktura práce se významně odchyluje od standardní struktury závěrečných prací požadované směrnicí Fakulty podnikatelské VUT. Není jednoznačně oddělena teoretická, analytická a návrhová část, přičemž teoretická část místy obsahuje vlastní metodické návrhy, empirická tvrzení a interpretaci výsledků. Například konstrukční prvky modelu, jako jsou definice kvadrantů Q1–Q4, interpretace fázového prostoru či koncept „bottom signature“, jsou prezentovány již v teoretické části, přestože představují vlastní návrhy autora. Práce vykazuje také problémy v oblasti terminologie a odborného jazyka. Autor používá vlastní pojmy, jejichž význam není bez dalšího vysvětlení jednoznačný (např. „měřící disciplína založená na konsensu“ na str. 13 nebo „spojitě-měřící primitiv“ na str. 16). V textu se současně objevuje nekonzistentní používání osoby autora („udržujeme v zorném poli“, str. 14; „we keep in mind“, str. 26) a místy i publicistické formulace („opírání se do stresu, nikoli útěk před ním“, str. 15; „disastrous performance“), které nejsou pro akademickou kvalifikační práci zcela vhodné. Za formální nedostatky považuji rovněž ponechání některých částí rozšířeného abstraktu v anglickém jazyce, opakovaný výskyt matematických výrazů ve formě zdrojového zápisu (LaTeX syntaxe) namísto korektně vysázených rovnic a nekonzistentní číslování kapitol a obrázků (např. odkaz na Figure I.1.2 před Figure I.1.1). Nejasně působí také členění práce na Part I, Part II a Part III, kdy není zřejmá role části Part II a v analytické části se objevuje nekonzistentní číslování podkapitol. Dalším nedostatkem je absence deklarace o využití nástrojů generativní umělé inteligence. Tato skutečnost je problematická zejména s ohledem na omezenou možnost průběžně ověřovat samostatnost zpracování práce během jejího vzniku. E
Using of information resources, including citations  Práce s informačními zdroji vykazuje řadu nedostatků jak po obsahové, tak po formální stránce. Citace a seznam použité literatury nejsou v celé práci zpracovány zcela konzistentně v souladu s normou ČSN ISO 690, která je pro závěrečné práce na Fakultě podnikatelské VUT požadována. V textu se objevují nekonzistentní citační formáty a u některých tvrzení není jednoznačně zřejmé jejich navázání na konkrétní odborné zdroje. V teoretické části se místy vyskytují rozsáhlejší pasáže obsahující empirická tvrzení, interpretace nebo metodologické argumenty bez dostatečné opory v odborné literatuře. Některé podkapitoly obsahují minimální množství citací nebo jsou zcela bez citační podpory (např. podkapitoly 5.3–5.6), přestože prezentují tvrzení, která nelze považovat za obecně známá fakta či standardní definice. V řadě případů autor přechází od literární rešerše k vlastním úvahám, aniž by bylo vždy zřejmé, které závěry vycházejí z odborných zdrojů a které představují vlastní interpretaci. Nedostatky se objevují také u tabulek a obrázků. U grafických výstupů a tabulek není uveden zdroj dat ani informace o tom, zda se jedná o vlastní zpracování autora. Například u Figure I.1.1, Figure I.1.2, Table I.1.1 a dalších výstupů chybí explicitní označení původu dat či způsobu jejich zpracování. Tato skutečnost snižuje transparentnost práce a komplikuje ověření prezentovaných výsledků. Přestože autor pracuje s rozsáhlým souborem finančních dat a implementuje vlastní algoritmické řešení, není v práci vždy jednoznačně specifikován primární zdroj použitých dat ani detailně popsáno použité softwarové prostředí. Informace o způsobu získání dat, použitém programovacím jazyce, softwarových nástrojích a knihovnách jsou z hlediska reprodukovatelnosti výsledků nedostatečné. Současně nebyla k práci přiložena vstupní data ani zdrojové kódy, na jejichž základě probíhalo zpracování dat, konstrukce modelu a vyhodnocení výsledků. Není tak možné nezávisle ověřit správnost výpočtů, reprodukovatelnost výsledků ani funkčnost prezentovaného řešení, což považuji vzhledem k charakteru práce za významný nedostatek.  E

Grade proposed by supervisor: E

Reviewer’s report
Ing. Jan Budík, Ph.D., MBA

Diplomová práce se zabývá problematikou návrhu a testováním kvantitativního přístupu k algoritmickému obchodování s burzovně obchodovanými a vysoce likvidními tituly, což považuji v dnešní době automatizace a data-driven přístupů za velmi pozitivní a důležité. Za silnou stránku práce považuji zejména strukturu výzkumného procesu a současně také pozitivně hodnotím vysokou odbornost textu a schopnost propojit ekonomickou interpretaci s matematickým aparátem. Výsledky práce ukazují, že navržená strategie dosahnuje sníženého drawdownu oproti buy-and-hold benchmarku. 


Práci hodnotím jako kvalitní z odborného pohledu, ze strany technického řešení a použítých moderních analytických a algoritmických nástrojů. Práce však obsahuje některé formální nedokonalosti typu formátování. Student prokázal své inženýrské schopnosti samostatně rešit komplexní problematiku v oblasti finančních trhů a práci doporučuji k obhajobě s výsledným hodnocením dobře.
Evaluation criteria Grade
Meeting the objectives B
Selected procedure of the solution, the adequacy of the used methods B
The ability to interpret the results and to draw conclusions D
The practical usability of conclusions A
The thesis´s framework, used terminology and the professional level of language D
Using of information resources B
Topics for thesis defence:
  1. V jaké míře jste využíval v analytickém procesu a při návrhu strategie AI nástroje? Pokud jste používal, kde v jejich využívání vidíte riziko?
  2. Je možné navrženou strategii použít pro jinou třídu aktiv? Proč ano, případně proč ne?

Grade proposed by reviewer: C

Responsibility: Mgr. et Mgr. Hana Odstrčilová