STOCK MARKET ANALYSIS AND PREDICTION USING MACHINE LEARNING MODELS
Khoá luận tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Vũ Xuân Lộc |
| Người hướng dẫn | Phan Thượng Cang |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2024 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
This research addresses the challenge of accurately forecasting stock market trends, a critical task for investors and financial analysts. By employing a dual approach that integrates machine learning and traditional economic models, this study assesses stock price trends using both technical and sentiment-based indicators. Machine learning models, including deep learning methods such as LSTM and traditional models like Ridge, Decision Tree, Random Forest, and SVR, are compared with the economic model, Geometric Brownian Motion (GBM). The methodology involves thorough data preprocessing, model training, hyperparameter tuning, and evaluation across key metrics-including R-squared, MAE, MSE, RMSE, and execution time-to examine the relative performance of each model. Findings highlight that while the LSTM and CNN+LSTM model excel at capturing intricate patterns in stock data, traditional economic models offer interpretability and speed, which can be advantageous in certain contexts. Incorporating both technical and sentiment-based indicators is shown to enhance predictive accuracy across both model types, contributing a comprehensive framework for financial forecasting and comparison. This study offers valuable insights into the strengths and limitations of both machine learning and economic approaches within stock market analysis.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ
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
- WEBSITE ĐĂNG KÝ HỌC PHẦN CHO SINH VIÊN TRƯỜNG ĐẠI HỌC CẦN THƠ (THEO LỊCH HỌC CỦA SINH VIÊN)
- CỐ VẤN HỌC TẬP ẢO HỖ TRỢ THỰC TẬP THỰC TẾ
- VIETMORLEX: MORPHOLOGICAL AND LEXICAL ADAPTATION ACROSS DIALECTS
- TRANG WEB BÁN GIÀY TRÊN NỀN TẢNG LARAVEL FRAMEWORK
- XÂY DỰNG HỆ THỐNG QUẢN LÝ THIẾT BỊ NỘI BỘ
- XÂY DỰNG ỨNG DỤNG TÌM KIẾM PHÒNG CHO THUÊ
- XÂY DỰNG WEBSITE KINH DOANH THỰC PHẨM CHỨC NĂNG TRỰC TUYẾN OGANI
- Ứn dụng chỉ số chất lượng nước, rủi ro sinh thái và hệ thống thông tin địa lý trong đánh giá chất lượng nước mặt tại tỉnh Đồng Tháp
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.