A machine learning approach to stock screening with fundamental analysis
We present HPC.FASSR, a High-Performance Computation Fundamental Analysis Stock Screener and Ranker to compare many ML models and the criteria of famous Benjamin Graham for stock investing using fundamental data. FASSR is distributed so it can explore massive amounts of models in short time.
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2019 |
| País: | España |
| Institución: | Universitat Politècnica de Catalunya (UPC) |
| Repositorio: | UPCommons. Portal del coneixement obert de la UPC |
| Idioma: | inglés |
| OAI Identifier: | oai:upcommons.upc.edu:2117/133070 |
| Acceso en línea: | https://hdl.handle.net/2117/133070 |
| Access Level: | acceso abierto |
| Palabra clave: | Machine learning High performance computing Artificial intelligence anàlisi financer anàlisi fonamental computacio d'altes prestacions computació distribuida AI supervised learning financial analysis fundamental analysis stock raking stock screening distributed computing hpc aprenentatge supervisat Aprenentatge automàtic Càlcul intensiu (Informàtica) Intel·ligència artificial Àrees temàtiques de la UPC::Informàtica |
| Sumario: | We present HPC.FASSR, a High-Performance Computation Fundamental Analysis Stock Screener and Ranker to compare many ML models and the criteria of famous Benjamin Graham for stock investing using fundamental data. FASSR is distributed so it can explore massive amounts of models in short time. |
|---|