Mazy Makram Ahmed Mohamed, <br/><br/>
Forecasting future stock price movements using machine learning techniques: fundamental VS technical analysis :  evidence from egyptian stock market /  
 التنبؤ باتجاه تحركات أسعار الأسهم المستقبلية باستخدام تقنيات التعلم الالي التحليل المالي مقابل التحليل الفني  :    الحالة المصرية / 
by Mazy Makram Ahmed Mohamed ; Supervision Prof. Dr. Hassan Mounir El-Sady, Dr. Dina Mohsen. 
 - 75 pages :   illustrations ;  30 cm. +   CD. 
<br/><br/>Thesis (M.Sc)-Cairo University, 2024. 
<br/><br/>Bibliography: pages 54-59. 
<br/><br/> This study aims at assessing the forecasting ability of fundamental metrics versus technical indicators for the future stock prices applied on the Egyptian stock market, using machine learning techniques compared Auto Regressive Integrated Moving Average (ARIMA) Model.<br/>The researcher applied Multi-Layer Precptron (MLP) and Support Vector Regression (SVR) as two of the most popular machine learning techniques, and the ARIMA model as traditional statistical technique to be applied for each of the analytical method (i.e.: fundamental and technical analysis) to identify which model has higher predicting accuracy.<br/>After testing Multilayer Perceptron model against ARIMA model, the researcher found that MLP model has higher predictive power and that SVR have more consistent results than MLP. Also, it has been found that using ML models along with technical analysis-based data is far more accurate than using fundamental analysis-based data across different firm sizes and industries.<br/>Lots of studies have assessed the predicting ability of the future price movements in different developed and developing stock exchanges. However, as of researcher knowledge rare studies compared the predicting accuracy of fundamental versus technical analysis variables using machine learning techniques especially in the Egyptian stock market.  تهدف هذه الدراسة إلى تقييم قدرة التنبؤ للمؤشرات الأساسية مقابل المؤشرات الفنية لأسعار الأسهم المستقبلية المطبقة على سوق الأسهم المصري، باستخدام تقنيات التعلم الآلي مقارنة بنموذج التكامل الذاتي للمتوسطات المتحركة (ARIMA). <br/>قام الباحث بتطبيق نموذج الشبكة العصبية متعددة الطبقات (MLP) ونموذج الانحدار بالدعم المتجه (SVR) كاثنين من أكثر تقنيات التعلم الآلي شعبية، ونموذج ARIMA كتقنية إحصائية تقليدية ليتم تطبيقها لكل من طرق التحليل (أي: التحليل الأساسي والتحليل الفني) لتحديد أي نموذج يمتلك دقة تنبؤية أعلى.<br/>بعد اختبار نموذج الشبكة العصبية متعددة الطبقات ضد نموذج ARIMA، وجد الباحث أن نموذج MLP يمتلك قوة تنبؤية أعلى وأن SVR يوفر نتائج أكثر اتساقًا من MLP. كما وجد أن استخدام نماذج التعلم الآلي مع البيانات المستندة إلى التحليل الفني يكون أكثر دقة بكثير من استخدام البيانات المستندة إلى التحليل الأساسي عبر أحجام الشركات والصناعات المختلفة.<br/>لقد قامت العديد من الدراسات بتقييم قدرة التنبؤ بحركات الأسعار المستقبلية في أسواق الأسهم المختلفة المتقدمة والنامية. ومع ذلك، وفقًا لمعرفة الباحث، فإن الدراسات التي قارنت دقة التنبؤ لمتغيرات التحليل الأساسي مقابل التحليل الفني باستخدام تقنيات التعلم الآلي نادرة خاصة في سوق الأسهم المصري. 
<br/><br/>
<br/><br/><br/>Text in English and abstract in Arabic & English. 
<br/><br/><label>Subjects--Topical Terms: </label><br/>Business Administration 
<br/><br/><label>Subjects--Index Terms: </label>Forecasting  Stock exchange  Fundamental analysis  technical analysis  ARIMA model  Multilayer Perceptron  Support Vector Regression  Sector Analysis 
<br/><br/><label>Dewey Class. No.: </label>658