Optimization of recurrent neural networks for revenue-based-financing businesses: viceversa case study

This thesis investigates how recurrent neural networks (RNNs) can be improved for use in predicting trends within digital businesses and revenue-based financing (RBF) industries. The main scientific question addressed is how to optimize RNNs to improve the accuracy of financial forecasting in these dynamic fields. The thesis offers a methodical approach through extensive experimentation and data anal- ysis, encompassing the tuning of neural network parameters, the application of logarithmic transformations, and the detailed evaluation of advertising channels to enhance feature selection. The results indicate that these methodological improvements substantially enhance the predictive capabilities of the forecasting models, offering e-commerce and RBF businesses a robust instrument for strategic planning and decision-making. This research is validated through its application to actual client data, highlighting its practical advantages and significant effect on business operations. By adopting these refined models, companies can manage resources more effectively and adapt to market fluctuations with increased flexibility, resulting in enhanced operational efficiency and elevated profit margins.

Questa tesi esplora l’ottimizzazione di reti neurali ricorrenti (RNN) per la previsione di trend nei settori delle imprese digitali e del finanziamento basato sui ricavi (RBF). Il lavoro si concentra sull’ottimizzazione delle RNN allo scopo di rafforzare l’accuratezza delle previsioni finanziarie in questi ambiti in rapida evoluzione. Attraverso un rigoroso iter sperimentale e analitico, questo studio propone l’aggiustamento dei parametri delle reti neurali, l’adozione di trasformazioni logaritmiche e un’analisi approfondita dei canali pubblicitari per affinare la selezione delle variabili. I risultati evidenziano come tali affina- menti metodologici incrementino notevolmente l’efficacia predittiva dei modelli di forecast, fornendo ad e-commerce e ad aziende basate sul revenue-based financing strumenti solidi per la pianificazione strategica e il processo decisionale. La validità di questa ricerca è confermata dall’applicazione su dati di clienti reali, sottolineando i benefici pratici e l’impatto significativo sulle dinamiche operative aziendali. Grazie all’implementazione di questi modelli avanzati, le imprese sono in grado di ottimizzare la gestione delle risorse e rispondere con maggiore agilità alle variazioni del mercato, guadagnando in efficienza operativa e incrementando i margini di profitto.