Editorial Ekonomi & Bisnis
Open AccessOA2024
Memprediksi Saham Perusahaan Finansial dan Tren Data Ekonomi dengan Analisis Deret Waktu Machine Learning
Makalah ini meninjau pendekatan machine learning untuk peramalan deret waktu finansial, membandingkan metode statistik tradisional dengan model lanjutan seperti LSTM dan CNN-BiLSTM, serta menyoroti kemampuannya menangkap pola nonlinear di pasar yang dinamis.
Haotian Zheng; Jiang Wu; Run-Ze Song; Ling-Feng Guo; Zeqiu Xuยท Applied and Computational Engineeringยท 2024ยท DOI 10.54254/2755-2721/87/20241562
Masalah inti
Makalah ini membahas tantangan memprediksi tren saham perusahaan finansial dan data ekonomi menggunakan analisis deret waktu machine learning. Makalah dimulai dengan membedakan saham dari saham (kemungkinan salah ketik untuk 'saham dari instrumen finansial lain') dan menjelaskan strategi manajemen risiko di pasar saham. Penulis memotivasi kebutuhan akan metode peramalan yang lebih baik daripada teknik statistik tradisional, dengan tujuan meletakkan landasan teoretis dan kerangka metodologis untuk prediksi ekonomi yang lebih tepat dan andal.
Inovasi
Makalah ini membahas metode statistik tradisional seperti ARIMA dan exponential smoothing, dengan menguraikan kelebihan dan keterbatasannya dalam peramalan ekonomi. Makalah kemudian merinci teknik machine learning, khususnya model hibrida LSTM dan CNN-BiLSTM, untuk prediksi pasar finansial. Metodologi menekankan kemampuan model-model ini menangkap pola nonlinear di pasar yang dinamis. Makalah ini kemungkinan memuat formulasi matematis untuk model-model tersebut, seperti:
- ARIMA:
- LSTM:
(forget gate)
- CNN-BiLSTM: menggabungkan lapisan konvolusional untuk ekstraksi fitur dengan LSTM bidirectional untuk pemodelan temporal.
Pendahuluan
Makalah ini membahas tantangan memprediksi tren saham perusahaan finansial dan data ekonomi menggunakan analisis deret waktu machine learning. Makalah dimulai dengan membedakan saham dari saham (kemungkinan salah ketik untuk 'saham dari instrumen finansial lain') dan menjelaskan strategi manajemen risiko di pasar saham. Penulis memotivasi kebutuhan akan metode peramalan yang lebih baik daripada teknik statistik tradisional, dengan tujuan meletakkan landasan teoretis dan kerangka metodologis untuk prediksi ekonomi yang lebih tepat dan andal.
Mengapa penting
Penulis membahas prospek machine learning dalam peramalan finansial, dengan menekankan kebutuhan akan prediksi ekonomi yang lebih tepat dan andal. Mereka membandingkan pendekatan tradisional dan machine learning, dengan mencatat bahwa meskipun metode tradisional seperti ARIMA dan exponential smoothing memiliki tempatnya, model machine learning menawarkan fleksibilitas dan akurasi yang lebih unggul dalam menangkap hubungan nonlinear yang kompleks. Makalah ini diakhiri dengan menguraikan arah penelitian masa depan dan memperkuat kontribusi teoretis dan metodologis machine learning terhadap analisis deret waktu finansial.
Siapa yang sebaiknya membaca
Pembaca Research Digest dan praktisi rumpun ini.
Membuka konten memberโฆ