投资风险分析和股票预测使用算法学习

Widi Hastomo, Sutarno, Sudjiran
{"title":"投资风险分析和股票预测使用算法学习","authors":"Widi Hastomo, Sutarno, Sudjiran","doi":"10.32409/jikstik.21.3.3104","DOIUrl":null,"url":null,"abstract":"Penelitian ini bertujuan untuk analisa risiko dan korelasi antar saham dengan menghitung return harian menggunakan metode moving average (MA). Selain itu dengan dataset dari 2 saham (Apple dan Microsoft) juga dilakukan prediksi nilai saham di periode waktu berikutnya (future), dengan menggunakan metode neural network (deep learning) Long Short Term Memory (LSTM). Hasil dari komputasi dalam bahasa python berupa beberapa visualisasi grafik yang memudahkan pembacaan informasi. Visualisasi grafik MA jangka pendek dan panjang ke dua saham cenderung mengalami penurunan harga semenjak bulan Januari hingga Juni 2022 namun volume penjualan saham tidak terjadi penurunan secara signifikan untuk saham Apple. Berbeda dengan Apple, Microsoft terjadi 2 kali volume penjualan tinggi di bulan Februari (9.107 lembar saham) dan bulan Mei (7.107 lembar saham). Tingkat kemiripan (korelasi) kedua saham tersebut sebesar 72%. Dari analisa risiko dan expected return, saham Apple memiliki risiko (0.019994) dan expected return (0.001402) lebih rendah dari saham Microsoft dengan risiko (0.017169) dan expected return (0.000904). Prediksi waktu kedepan (future) dengan model LSTM, menunjukan Apple dan Microsoft masih akan mangalami penurunan harga saham.","PeriodicalId":344357,"journal":{"name":"Jurnal Ilmiah Komputasi","volume":"45 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-09-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Analisis Risiko Investasi dan Prediksi Saham Menggunakan Algortime Machine Learning\",\"authors\":\"Widi Hastomo, Sutarno, Sudjiran\",\"doi\":\"10.32409/jikstik.21.3.3104\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Penelitian ini bertujuan untuk analisa risiko dan korelasi antar saham dengan menghitung return harian menggunakan metode moving average (MA). Selain itu dengan dataset dari 2 saham (Apple dan Microsoft) juga dilakukan prediksi nilai saham di periode waktu berikutnya (future), dengan menggunakan metode neural network (deep learning) Long Short Term Memory (LSTM). Hasil dari komputasi dalam bahasa python berupa beberapa visualisasi grafik yang memudahkan pembacaan informasi. Visualisasi grafik MA jangka pendek dan panjang ke dua saham cenderung mengalami penurunan harga semenjak bulan Januari hingga Juni 2022 namun volume penjualan saham tidak terjadi penurunan secara signifikan untuk saham Apple. Berbeda dengan Apple, Microsoft terjadi 2 kali volume penjualan tinggi di bulan Februari (9.107 lembar saham) dan bulan Mei (7.107 lembar saham). Tingkat kemiripan (korelasi) kedua saham tersebut sebesar 72%. Dari analisa risiko dan expected return, saham Apple memiliki risiko (0.019994) dan expected return (0.001402) lebih rendah dari saham Microsoft dengan risiko (0.017169) dan expected return (0.000904). Prediksi waktu kedepan (future) dengan model LSTM, menunjukan Apple dan Microsoft masih akan mangalami penurunan harga saham.\",\"PeriodicalId\":344357,\"journal\":{\"name\":\"Jurnal Ilmiah Komputasi\",\"volume\":\"45 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-09-12\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Ilmiah Komputasi\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.32409/jikstik.21.3.3104\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Ilmiah Komputasi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.32409/jikstik.21.3.3104","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

本研究的目标是通过使用“移动平均方法”计算每日回报率,对股票之间的风险和相关性进行分析。同时,苹果和微软也通过使用较短的内存(LSTM)神经网络(深层学习)预测了未来的股票价值。这是python语言中使用可视化图形的计算结果,有助于阅读信息。从1月到2022年6月,这两种股票的短期和长期销售趋势趋于价格下跌,但苹果股票的销量并未显著下降。与苹果不同的是,微软的销量是2月份(9107股)和5月(7107股)的两倍。这两股股票的相似性为72%。从风险分析和预期回归,苹果股票的风险(0.019994)和预期收益(0.001402)低于风险(0.017169)和预期收益(0.000904)。LSTM模型的未来预测显示,苹果和微软仍然将暴跌。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Analisis Risiko Investasi dan Prediksi Saham Menggunakan Algortime Machine Learning
Penelitian ini bertujuan untuk analisa risiko dan korelasi antar saham dengan menghitung return harian menggunakan metode moving average (MA). Selain itu dengan dataset dari 2 saham (Apple dan Microsoft) juga dilakukan prediksi nilai saham di periode waktu berikutnya (future), dengan menggunakan metode neural network (deep learning) Long Short Term Memory (LSTM). Hasil dari komputasi dalam bahasa python berupa beberapa visualisasi grafik yang memudahkan pembacaan informasi. Visualisasi grafik MA jangka pendek dan panjang ke dua saham cenderung mengalami penurunan harga semenjak bulan Januari hingga Juni 2022 namun volume penjualan saham tidak terjadi penurunan secara signifikan untuk saham Apple. Berbeda dengan Apple, Microsoft terjadi 2 kali volume penjualan tinggi di bulan Februari (9.107 lembar saham) dan bulan Mei (7.107 lembar saham). Tingkat kemiripan (korelasi) kedua saham tersebut sebesar 72%. Dari analisa risiko dan expected return, saham Apple memiliki risiko (0.019994) dan expected return (0.001402) lebih rendah dari saham Microsoft dengan risiko (0.017169) dan expected return (0.000904). Prediksi waktu kedepan (future) dengan model LSTM, menunjukan Apple dan Microsoft masih akan mangalami penurunan harga saham.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Perbandingan Arsitektur MobileNetV2 dan DenseNet121 untuk Klasifikasi Analisis Pengalaman Pengguna Aplikasi Mobile Shopee Indonesia Menggunakan HEART dan PULSE Metrics (Survei pada Konsumen Shopee Generasi X) Deteksi Cacat pada Sekrup Berbasis Citra Menggunakan YOLOv5 Analisis Kualitas Website Kompasiana.com dan Pengaruhnya Terhadap Kepuasan Pengguna Menggunakan Metode Webqual 4.0 dan Importance Performance Analysis (IPA) Prediksi Penyakit Hipertensi Menggunakan Metode Decison Tree dan Random Forest
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1