Penerapan Algoritma Hidden Markov Model untuk Memprediksi Perubahan Harga Saham UNTR ID

Prediksi pasar saham telah menjadi bidang yang menarik bagi investor dan peneliti selama bertahun-tahun karena sifatnya yang tidak stabil, kompleks dan berubah secara teratur, sehingga menyulitkan prediksi yang dapat diandalkan. Strategi investasi di pasar saham sangat kompleks dan bergantung pada banyak data. Investasi saham dapat memberikan keuntungan yang besar atau kerugian yang signifikan karena volatilitas yang tinggi dari harga saham. Model prediksi harga saham yang dapat beradaptasi akan mengurangi risiko dan meningkatkan potensi potensi keuntungan dalam perdagangan derivatif keuangan. Karena harga saham adalah deret waktu yang dapat diamati, faktor-faktor yang menentukan harga saham termasuk dalam variabel yang tidak diketahui (hidden state), dan fitur ini konsisten dengan Hidden Markov Model (HMM). HMM didasarkan pada konsep bahwa urutan pengamatan stokastik yang diberikan dipengaruhi oleh transisi keadaan yang mengikuti proses Markov Chain yang tidak dapat dilihat oleh pengamat. Berdasarkan hasil uji coba, penggunaan num latent days 1 hari, menghasilkan performa model yang serupa dengan penggunaan num latent days yang lebih tinggi, seperti 7 atau 14 hari. Untuk akurasi model dengan num latent days 1 memiliki Explained Variance Score bernilai 68% dan skor R-Squared Score bernilai 68% di prediksi 10 hari dan Explained Variance Score bernilai 89% dan skor R- Squared Score bernilai 89% di prediksi 30 hari. Hal ini menunjukkan bahwa penggunaan 1 hari sebagai num latent days lebih baik daripada yang lain