Thông tin chung
  English
  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác
  Tài liệu tham khảo
  Hiệu chỉnh
 
Số người truy cập: 161,694,464

 STUDY OF THE PREDICTIVE ABILITY OF THE DECISION TREE ALGORITHM TO DETERMINE THE PROFITABILITY OF STOCKS
Tác giả hoặc Nhóm tác giả: MARSHALOV D.P.1, TRAN H.H., SEBBAGALA T.M.2, POPOVA S.1, KONNIKOV E.A.1
Nơi đăng: МЯГКИЕ ИЗМЕРЕНИЯ И ВЫЧИСЛЕНИЯ Учредители: ООО "Издательский дом "Научная библиотека" ISSN: 2618-9976eISSN: 2713-2072; Số: 6;Từ->đến trang: 38-46;Năm: 2024
Lĩnh vực: Công nghệ thông tin; Loại: Bài báo khoa học; Thể loại: Quốc tế
TÓM TẮT
ABSTRACT
The purpose of this study was to evaluate the effectiveness of using a decision tree algorithm to predict the profitability of technology company stocks based on the analysis of financial indicators. The study was based on the analysis of financial indicators such as return on sales (ROS), earnings per share (EPS), cost of sales, selected as independent variables to analyze the performance of leading technology companies: Google, Meta, Microsoft and Apple. The decision tree model was applied using the scikit-learn library, where the dependent variable was the return on shares of the named companies. The research methodology involved assessing the effectiveness of the model using criteria such as an error matrix (confusion) and prediction accuracy. The results of the analysis showed that the decision tree model demonstrates high efficiency in predicting stock returns based on the analyzed financial indicators, achieving an accuracy of 0.8 and responsiveness of 0.875. However, the study revealed a number of limitations associated with the failure to take into account certain external factors and financial indicators that can significantly affect stock performance.
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn