Perpustakaan Digital ITB

Saham merupakan salah satu pilihan investasi yang cukup umum dilakukan orang-orang. Hal ini dikarenakan saham tidak memerlukan banyak usaha dalam transaksinya, secara historis saham juga memiliki return yang lebih besar dibandingkan obligasi, bunga bank, atau investasi lain yang sejenis, saham juga relatif aman karena aktivitas transaksinya diawasi oleh lembaga negara yang disebut otoritas jasa keuangan (OJK). Karena itu, prediksi harga saham untuk menghasilkan portofolio yang menguntungkan menjadi studi yang cukup popular. Pada Tugas Akhir ini akan dibangun model pembelajaran mendalam untuk memprediksi harga saham dan algoritma yang bisa membentuk portofolio menggunakan hasil prediksi dari model tersebut. Model menggunakan informasi harga, volume, serta beberapa indikator teknikal dari data historis yang tersedia untuk membuat prediksi harga adjusted close dari suatu saham. Model yang digunakan adalah kombinasi dari Perceptron, Long Short Term Memory Network dan Convolutional Neural Network. Portofolio akan dibentuk dari 21 saham pilihan dan hasil portofolio akan dievaluasi dari nilai Return, Treynor Ratio, dan Sharpe Ratio. Didapat bahwa model dengan Pembelajaran Mendalam memiliki Return yang lebih tinggi dan tingkat resiko yang relatif terhadap return lebih kecil dibandingkan indeks IHSG dan LQ45.