The main objective of the thesis is to predict stock price trends by applying advanced machine learning and sentiment analysis techniques. The project sought to integrate historical financial data with market news to identify potential correlations between external events and stock movements, in order to improve predictive accuracy compared to models based solely on quantitative data.

L'obiettivo principale della tesi è quello di prevedere le tendenze dei prezzi delle azioni applicando tecniche avanzate di apprendimento automatico e analisi dei sentimenti. Il progetto ha cercato di integrare i dati finanziari storici con le notizie di mercato per identificare potenziali correlazioni tra eventi esterni e movimenti delle azioni, al fine di migliorare l'accuratezza predittiva rispetto ai modelli basati esclusivamente su dati quantitativi.

Stock prediction through deep learning models and sentiment analysis

CATINARI, BEATRICE
2024/2025

Abstract

The main objective of the thesis is to predict stock price trends by applying advanced machine learning and sentiment analysis techniques. The project sought to integrate historical financial data with market news to identify potential correlations between external events and stock movements, in order to improve predictive accuracy compared to models based solely on quantitative data.
2024
2025-07-18
Stock prediction through deep learning models and sentiment analysis
L'obiettivo principale della tesi è quello di prevedere le tendenze dei prezzi delle azioni applicando tecniche avanzate di apprendimento automatico e analisi dei sentimenti. Il progetto ha cercato di integrare i dati finanziari storici con le notizie di mercato per identificare potenziali correlazioni tra eventi esterni e movimenti delle azioni, al fine di migliorare l'accuratezza predittiva rispetto ai modelli basati esclusivamente su dati quantitativi.
File in questo prodotto:
File Dimensione Formato  
TESI.pdf

accesso aperto

Dimensione 1.07 MB
Formato Adobe PDF
1.07 MB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12075/22380