مجلة التمويل والاستثمار والتنمية المستدامة
Volume 10, Numéro 1, Pages 224-243
2025-06-05

Stock Price Classification Using Financial Indicators From 10-k Reports: A Comparative Study Between Neural Networks (nn) And Logistic Regression (lr)



Authors : Bekaddour Fatima Zohra .

Abstract

This study aims to apply data mining techniques to classify stock price trends using financial indicators extracted from 10-K filing reports. Financial data from 4392 companies listed in the US stock market for the year 2018 was examined. The study examined the effectiveness of two machine learning models: logistic regression and neural networks. The results showed that the neural networks model beat logistic regression model across all performance metrics, and demonstrated a superior ability to capture non-linear relationships. This study arrived at the following key findings: The DNN model classified companies with an accurate and correct rate of 93.8%, and the financial ratios that were most important for the classification were: Asset turnover, Debt ratio, Cash liquidity ratio, Dividend yield ratio. Résumé: Cette étude vise à appliquer des techniques de fouille de données pour classifier les tendances des prix des actions en utilisant des indicateurs financiers extraits des rapports de dépôt 10-K. Les données financières de 4392 entreprises cotées en bourse aux États-Unis pour l'année 2018 ont été analysées. L'étude a évalué l'efficacité de deux modèles d'apprentissage automatique : la régression logistique et les réseaux neuronaux. Les résultats ont montré que le modèle de réseaux neuronaux surpassait le modèle de régression logistique dans toutes les métriques de performance, et a démontré une meilleure capacité à capturer les relations non linéaires. Cette étude est arrivée aux conclusions principales suivantes : le modèle de réseaux neuronaux profonds (DNN) a classé les entreprises avec un taux de précision de 93,8 %.

Keywords

logistic regression ; neural networks ; binary classification ; stock performance

Les articles similaires

Predictive Modeling Of Ozone Dosing In Drinking Water Treatment Plant Using Deep Learning Comparative Study Between Deep Neural Networks And Convolutional Neural Networks

Hellal Aouatef .  Djeddou Messaoud .  Loukam Imed .  A. Hameed Ibrahim .  Al Dallal Jehad .  Shawaqfah Moayyad . 
pages 69-83.

évaluation Du Risque De Défaillance De Solvabilité Des Pme : Une Application Du Modèle De La Régression Logistique Assessment Of The Solvency Of Smes: An Application Of The Logistic Regression Model

Bouazzara Ahlem .  Baha Riad .  Bektache Fatiha . 
pages 491-505.

Intrusion Detection Based On Neural Networks Neural Networks In Iot

Chaima Bensaid . 
pages 29-33.

Predicting Of Financial Distress Of Companies Using The Artificial Neural Networks: A Case Study Of Listed Industrial Companies On Amman Stock Exchange

Zahouani Marwa .  Bouguerra Imane . 
pages 492-509.

بناء نموذج تنبؤي تصنيفي باستخدام الشبكات العصبية الاصطناعية بدلالة بعض القابليات البيو حركية بسلاح الشيش للطلاب Development Of A Predictive Classification Model Using Artificial Neural Networks Based On Selected Biomotor Abilities In Foil Fencing Students

حيدر قيس ناجي جليل . 
ص 182-199.

Formats de citation