Mostrar el registro sencillo del ítem

dc.contributor.advisorCoronado Vaca, Maríaes-ES
dc.contributor.authorVega Gómez, Jorge de laes-ES
dc.contributor.otherUniversidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresarialeses_ES
dc.date.accessioned2024-06-11T15:28:53Z
dc.date.available2024-06-11T15:28:53Z
dc.date.issued2025es_ES
dc.identifier.urihttp://hdl.handle.net/11531/89150
dc.descriptionGrado en Análisis de Negocios/Business Analytics y Grado en Relaciones Internacionaleses_ES
dc.description.abstractEl objetivo de este trabajo es comparar un modelo de Machine Learning basado en LLM y otro en LDA que ayuden a predecir el precio del valor de determinadas acciones, para identificar cual es mejor y poder extrapolarlo al resto de sectores y geografías. La metodología es hacer un enfoque cuantitativo del mercado. Usaremos modelos de aprendizaje automático como son LLM y LDA para comparar cual de estos realiza mejor las tareas de Natural Language Processing (NLP).es-ES
dc.description.abstractThe objective of this work is to compare a Machine Learning model based on LLM and another on LDA to help predict the stock price of certain shares, in order to identify which one performs better and to extrapolate the results to other sectors and geographies. The methodology involves taking a quantitative approach to the market. We will use machine learning models such as LLM and LDA to compare which of these performs Natural Language Processing (NLP) tasks better.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.subject.otherKBAes_ES
dc.title"ANALYTICAL FINANCE"es_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/restrictedAccesses_ES
dc.keywordses-ES
dc.keywordsen-GB


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivs 3.0 United States
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivs 3.0 United States