Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11531/56686
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorCoronado Vaca, Maríaes-ES
dc.contributor.authorSánchez-Blanco Gómez, Juan Davides-ES
dc.contributor.otherUniversidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresarialeses_ES
dc.date.accessioned2021-06-16T21:12:53Z
dc.date.available2021-06-16T21:12:53Z
dc.date.issued2022es_ES
dc.identifier.urihttp://hdl.handle.net/11531/56686
dc.descriptionGrado en Ingeniería en Tecnologías de Telecomunicación y Grado en Análisis de Negocios/Business Analyticses_ES
dc.description.abstractEl clima económico en el que opera el sector bancario europeo es muy diferente al de otras economías avanzadas. Nuestro estudio identifica estas diferencias y trata de entender la necesidad actual de fusiones y adquisiciones en el sector bancario europeo. Mediante el uso de técnicas de procesamiento del lenguaje natural y modelos de análisis de sentimientos, nuestro estudio define las correlaciones lineales entre los datos textuales encontrados en los informes anuales de los bancos europeos y la probabilidad de que los bancos sean objeto de una fusión o adquisición. Se analizan las correlaciones de diferentes secciones de un informe anual. Para identificar estas diferentes secciones, se aplican algoritmos de agrupación a los datos textuales extraídos de los informes anuales. Los datos muestran que ciertas secciones tienen efectos diferentes en la probabilidad resultante. Los resultados sugieren que las secciones relativas a los estados financieros y a la gestión de riesgos son las que más influyen en la probabilidad de fusión o adquisición resultante.es-ES
dc.description.abstractThe economic climate in which the European banking sector operates is very different to that of other advanced economies. Our study identifies these differences and seeks to understand the current need for mergers and acquisitions in the European banking sector. Through the use of natural language processing techniques and sentiment analysis models, our study defines the linear correlations between the textual data found on European bank annual reports and the likelihood of banks being subject to a merger or acquisition. The correlations of different sections of an annual report are analysed. In order to identify these different sections, clustering algorithms are applied to the text data extracted from the annual reports. The data shows that certain sections have different effects on the resulting likelihood. Findings suggest that sections covering financial statements and risk management have the most impact on the resulting merger or acquisition likelihood.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoen-GBes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject33 Ciencias tecnológicases_ES
dc.subject3325 Tecnología de las telecomunicacioneses_ES
dc.subject332599 Otras especialidadeses_ES
dc.subject.otherKBAes_ES
dc.titleIdentifying Likelihood Merger Participants Through Natural Language Processing in the European Banking Sectores_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/closedAccesses_ES
dc.keywordsBanca, Fusiones y Adquisiciones (M&A), Consolidación, Procesamiento del Lenguaje Natural (NLP), Análisis del Sentimiento, Clustering, Bancos Europeoses-ES
dc.keywordsBanking, Mergers and Acquisitions (M&A), Consolidation, Natural Language Processing (NLP), Sentiment Analysis, Clustering, European Banksen-GB
Aparece en las colecciones: KBA-Trabajos Fin de Grado



Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.