Analisis forecasting pergerakan harga saham menggunakan support Vector Machine dengan variabel indikator teknikal
Memiliki model prediksi yang baik akan memberikan keuntungan tersendiri bagi investor dan perusahaan dalam mengambil keputusan. Support Vector Machine (SVM) adalah salah satu algoritma pembelajaran mesin yang diawasi yang dapat digunakan untuk klasifikasi atau regresi. Banyak penelitian menunjukkan bahwa prediksi menggunakan model Support Vector Machine (SVM) lebih akurat daripada model lainnya. Penelitian terbaru menunjukkan bahwa kinerja tertinggi dari sistem prediksi terjadi ketika periode input indikator teknikal sama dengan periode perkiraan. Dengan menggunakan kombinasi dari periode perkiraan dan periode input indikator teknikal dengan kerangka waktu yang lebih banyak dan Support Vector Machine (SVM), penelitian ini ingin mengetahui seberapa besar akurasi yang dihasilkan SVM untuk memprediksi pergerakan harga saham-saham di pasar Indonesia, apakah kinerja tertinggi dari sistem prediksi terjadi ketika periode input indikator teknikal sama dengan periode perkiraan, dan apakah aplikasi penggunaan SVM untuk perdagangan dapat memberikan hasil yang lebih baik dibandingkan strategi buy and hold. Data transaksi saham yang kami gunakan dari Maret 2006 hingga Februari 2018 untuk tiga puluh satu saham perusahaan dan menggunakan kombinasi dua puluh delapan periode perkiraan dan tiga puluh periode input indikator teknikal. Hasil penelitian yang diperoleh yaitu model prediksi dapat memberikan hasil akurasi yang baik karena sebanyak 25 dari 31 saham memberikan hasil akurasi lebih dari 50% tetapi kinerja tertinggi model prediksi tidak terjadi saat periode input indikator teknikal sama dengan periode perkiraan dan diperoleh 21 saham yang memberikan imbal hasil signifikan ketika menggunakan aplikasi model prediksi SVM untuk melakukan perdagangan dibandingkan strategi buy and hold.Ada tabel
Call Number | Location | Available |
---|---|---|
T 103/18 | PSB lt.2 - Karya Akhir | 1 |
Penerbit | Jakarta Program Studi Magister Manajemen, Fakultas Ekonomi dan Bisnis Universitas Indonesia., 2018 |
---|---|
Edisi | - |
Subjek | Share prices Forecasting Stock prices Support Vector Machine Technical indicators |
ISBN/ISSN | - |
Klasifikasi | - |
Deskripsi Fisik | xii, 80 p. : il. ; 30 cm. |
Info Detail Spesifik | - |
Other Version/Related | Tidak tersedia versi lain |
Lampiran Berkas | Tidak Ada Data |