مجلة العلوم الإدارية والمالية
Volume 10, Numéro 1, Pages 103-119
2026-06-30

Stock Price Prediction To Support Investment Decisions: A Model Based On Lstm Networks



Authors : Berboucha Meriem .

Abstract

Abstract: This study aimed to predict stock price movements using one of the deep learning models called "Long Short-Term Memory" (LSTM), in order to support investment decisions in the financial market. In this study, the movement of stock prices of three leading technology companies "Apple Inc, Tesla Inc, and Microsoft Corp" was predicted using LSTM model. The model also generated trading signals that act as a tool to support investment decisions in the financial market. The study found that LSTM models are efficient and capable of predicting and analyzing complex patterns and time dependencies in stock prices. This confirms that LSTM recurrent neural networks are suitable for analyzing financial time series and can be considered as supporting tools to improve investment decisions الملخص: هدفت هذه الدراسة إلى التنبؤ بحركة أسعار الأسهم من خلال أحد نماذح التعلم العميق " الذاكرة طويلة قصيرة المدى"، وذلك من أجل دعم قرارات الاستثمار في السوق المالي. تم من خلال هذه الدراسة التنبؤ بحركة أسعار أسهم ثلاث شركات رائدة في مجال التكنلوجيا وهي: Appel Inc)، Tesla Inc و(Microsoft corp باستخدام نماذج الذاكرة طويلة قصيرة المدى، وتوليد إشارات تداول تعمل كأداة لدعم قرار الاستثمار في السوق المالي. توصلت الدراسة إلى كفاءة وقدرة نماذج LSTM على التنبؤ وتحليل الأنماط المعقدة والاعتمادات الزمنية في أسعار الأسهم، مما يؤكد أن الشبكات العصبية التكرارية من نوع LSTM مناسبة لتحليل السلاسل الزمنية المالية، ويمكن اعتبارها أدوات داعمة لترشيد القرارات الاستثمارية.

Keywords

Stock price ; forecasting ; RNNs ; Investment decisions ; LSTM networks

Les articles similaires

Gold Price Prediction Based On Arima And Lstm Neural Network

Mohammed Rouaba . 
pages 134-150.

الكفاءة التنبؤية للنماذج الهجينة في أسواق المال الناشئة: نموذج Garch-lstm وتطبيقه على بيانات عائدات الاسواق الخليجية للفترة 2020-2024؛ The Predictive Efficiency Of Hybrid Models In Emerging Financial Markets: A Garch–lstm Model And Its Application To Gulf Market Return Data For The Period 2020–2024

معروف جيلالي . 
ص 198-214.

Deep Learning With Lstm Model For Intelligent Assessment And Prediction Of Financial Investment Risks: A Predictive Study Of Exchange Rates In Seven International Markets

Djilali Toumi Hamza .  Benazza Hicham . 
pages 476-495.

Gold Price Forecasting Using Stacked Lstm Neural Networks: A Deep Learning Approach

Belgat Amira . 
pages 775-788.

Forecasting Government Final Consumption Expenditure In Algeria: Comparative Performance Of The Arima (box-jenkins) Model And Artificial Neural Networks (mlp & Lstm) Up To 2034

Lagoune Salim . 
pages 13-27.

Formats de citation