LuanVan.vnLuận Văn
Gửi thư

Financial performance analysis and AI-based stock price prediction of Sabeco

Khoá luận tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảTran Quoc Dang
Người hướng dẫnHa Manh Hung; VNU - International School
Cơ sở đào tạoĐại học Quốc gia Hà Nội
Năm2024
NguồnThư viện số Đại học Quốc gia Hà Nội · trang gốc

Tóm tắt

The accurate prediction of stock prices is a critical task in financial markets, offering significant benefits to investors and financial analysts. This study focuses on the financial analysis and stock price prediction of the Saigon Beer - Alcohol - Beverage Corporation (Sabeco), a prominent player in Vietnam's beverage industry. By leveraging advanced machine learning models, including GRU, bidirectional GRU, LSTM, bidirectional LSTM, this study aims to enhance the accuracy of stock price forecasts. The methodology involves collecting and preprocessing financial data from Sabeco and other relevant companies, developing various predictive models, and evaluating their performance using historical data. The findings of this study provide valuable insights for investors, highlighting the strengths and limitations of different AI models in predicting stock prices. The results indicate that integrating financial analysis with advanced AI techniques can significantly improve the reliability of stock price predictions, offering a robust tool for investment decision-making.
Bản toàn văn lưu tại thư viện Đại học Quốc gia Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.