Deteksi Pola CandleStick Menggunakan Model  CNN-LSTM Untuk Memprediksi Posisi Trading di Pasar Saham

ADITYA RAMADHAN

Informasi Umum

Kode

23.04.1052

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning, Trading,

Dilihat

427 kali

Informasi Lainnya

Abstraksi

Investor memerlukan alat bantu analisis untuk memprediksi harga dan menentukan posisi trading. Pola candlestick merupakan salah satu alat bantu analisis yang dapat memprediksi tren harga. Namun, pola-pola ini sulit dikenali, dan beberapa penelitian meragukan kemampuan pola candlestick dalam memberikan prediksi harga. Dalam studi ini, kami menguji kemampuan prediksi pola candlestick untuk menentukan posisi trading. Kami menggunakan Gramian Angular Field (GAF) untuk mengkodekan pola candlestick sebagai gambar untuk mengenali pola candlestick 3 jam dan 5 jam dari 6 pola candlestick dengan Convolutional Neural Network (CNN), ditambah dengan model Long short-term memory (LSTM) untuk memprediksi harga close. Posisi trading terdiri dari posisi beli dan jual dengan periode hold beberapa jam. Hasil kami menunjukkan CNN berhasil mendeteksi pola candlestick GAF 3 jam dan 5 jam dengan akurasi 90% dan 93%. LSTM dapat memprediksi tren harga close dengan nilai RMSE 155.458 dan MAPE 0.9754% dengan 10 jam look back. Dengan durasi hold tiga jam dan CNN-LSTM sebagai model tambahan, dari 85 pola candlestick data uji didapatkan akurasi 82,7%, dibandingkan dengan akurasi 60% dari posisi trading yang menguntungkan ketika pengenalan pola candlestick CNN digunakan sendiri. Dibandingkan dengan menggunakan identifikasi pola candlestick CNN saja, kombinasi model CNN-LSTM dapat meningkatkan kekuatan prediksi pola candlestick dan menawarkan posisi trading yang lebih menguntungkan.