Prediksi Harga Saham Berdasarkan Algoritma Hidden Markov Model Continuous

Akbar Rabbani, Ghifari (2023) Prediksi Harga Saham Berdasarkan Algoritma Hidden Markov Model Continuous. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05311840000040-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (2MB) | Request a copy

Abstract

Saham adalah salah satu bagian terpenting dari pasar keuangan investasi. Dibandingkan dengan instrumen investasi lainnya, seperti deposito berjangka, atau obligasi, saham memiliki pengembalian yang lebih tinggi dengan harga saham yang fluktuatif, yang diikuti oleh beberapa investor dengan tindakan untuk meningkatkan keuntungan selama tahap bullish atau bearish dengan risiko kegagalan atau kerugian yang proporsional. Menghadapi risiko kerugian finansial tersebut, sementara pada saat yang sama harga saham secara statistik memiliki properti Markov yang tersembunyi, maka penulis mengusulkan untuk memiliki kesinambungan dari waktu ke waktu, model Markov tersembunyi yang berkelanjutan diusulkan sebagai alat untuk memprediksi harga saham yang akan datang. Mengacu pada data sekunder sumber daya seperti situs yahoo finance, data berupa DataFrame akan diunduh dan dibagi menjadi dua bagian, yaitu test_data dan train_data. Data train_data dilatih dengan mengamati tiga variabel yaitu frac_change, frac_high, dan frac_low dimana ketiga nilai tersebut akan melatih model HMM dan memberikan perubahan fraksional terhadap perubahan harga saham dalam bentuk matriks dari ketiga nilai tersebut. Hasil prediksi pada model adalah harga penutupan saham pada hari tertentu dengan menggunakan rumus open_price * (1 + predict_frac_change), dimana predict_frac_change merupakan perubahan harga penutupan saham pada hari tertentu dalam bentuk pecahan dan open_price adalah harga pembukaan saham pada hari tertentu. Model disimulasikan pada saham TLKM.JK dan UNTR.JK, dua saham perusahaan publik teratas yang diperdagangkan di Bursa Efek Indonesia (BEI) dan diukur dengan menggunakan rata-rata MAPE (Mean Absolute Percentage Error) dan MSE (Mean Squared Error) sebagai ukuran kesalahan. Hasil prediksi untuk TLKM.JK dan UNTR.JK pada dua periode yang berbeda yaitu 9 Februari 2017 sampai dengan 29 Desember 2017 dan 7 Juni 2021 sampai dengan 04 Januari 2023 dengan menggunakan algoritma continuous HMM menghasilkan rata-rata nilai MSE sebesar 370.755,611 dan 987 % . Prediksi tersebut menghasilkan nilai MAPE rata-rata yang rendah atau mendekati nol sehingga prediksi tersebut dapat dikatakan akurat
=====================================================================================================================================
Stocks are one of the most important parts of the investment financia l market. Compared to other investment instruments, such kind of time deposit, or bond, stocks have a higher return by the volatile stock price, which some investor followed by action to rebound profit during bullish or bearish stage at a proportional ri sk of failure or loss. Facing that financial loss risk, while at the same time stock prices statistically have a hidden Markov property, then the authors propose for have continuity over time, a continuous hidden Markov model is proposed as tools to predict the upcoming stock price. Refer to resources secondary data such as yahoo finance site, data in the form of a DataFrame will be downloaded and divided into two parts, na mely test_data and train_data. The train_data data is trained by observing three variables, namely frac_change, frac_high, and frac_low where these three values will train the HMM model and provide fractional changes to changes in stock prices in the matri x form of these three values. The results of predictions in the model are the close price of the stock on a certain day using the formula open_price * (1 + predicted_frac_change), where predicted_frac_change is the change in the close price of the stock on a certain day in fractional form and open_price is the open price of the stock on a certain day. The model is simulated on TLKM.JK and UNTR.JK shares, the top two shares of public companies traded on the Indonesia Stock Exchange (IDX) and measured using t he average MAPE (Mean Absolute Percentage Error) and MSE (Mean Squared Error) as a measure of error. The prediction results for TLKM.JK and UNTR.JK in two different periods, namely February 9, 2017 to December 29, 2017 and June 7, 2021 to January 04, 2023 using the continuous HMM algorithm produced an average MSE value of 370,755.611 and an 987 % . The prediction produces a low average MAPE value or close to zero so that the prediction can be said to be accurate

Item Type:	Thesis (Other)
Uncontrolled Keywords:	financial market, bullish, bearish, hidden markov, Markov, yahoo finance, DataFrame, test_data, train_data, frac_change, frac_high, frac_low, HMM, close, high, low, open_price, predicted_frac_change, TLKM.JK, UNTR.JK, Bursa Efek Indonesia (BEI), MAPE, Mean Absolute Percentage Error, MSE, Mean Squared Error.
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Ghifari Akbar Rabbani
Date Deposited:	16 Feb 2023 06:36
Last Modified:	16 Feb 2023 06:36
URI:	http://repository.its.ac.id/id/eprint/96968

Actions (login required)

View Item