메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Patrick Kevin Aritonang (School of Business and Management, Institut Teknologi Bandung, Indonesia) Sudarso Kaderi (School of Business and Management, Institut Teknologi Bandung, Indonesia) Taufik Faturohman (School of Business and Management, Institut Teknologi Bandung, Indonesia)
저널정보
사람과세계경영학회 Global Business and Finance Review Global Business and Finance Review Vol.29 No.8
발행연도
2024.9
수록면
1 - 17 (17page)
DOI
10.17549/gbfr.2024.29.8.1

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Purpose: This study aims to present a comparative analysis of various statistical, machine learning, and deep learning models for predicting stock prices and returns across sectors on the Indonesian Stock Exchange. Design/methodology/approach: The research analyzes two indexes and eight prominent companies from different sectors using historical data of fundamental, technical indicators, economic factors, analyst recommendation, and social media sentiment during period of 2012-2022. Models such as ARIMA, SARIMA, VAR, Random Forests, GBM, SVM, ANNs, RNNs, and LSTM are applied. Findings: The results indicate that the efficacy of forecasting models varies with the sector and the time scale. ANNs and RNNs outperform for daily forecasts, while VAR is more effective for quarterly and yearly forecasts. Traditional statistical models like VAR and SARIMA are effective in the finance sector for daily and yearly forecasts due to stability and predictability. Machine learning models like GBM and ANN perform better in the mining and infrastructure sectors, which face abrupt changes from external factors. Deep learning models excel in sectors like consumer goods and trade for yearly forecasts, capturing intricate, evolving patterns. Despite the strengths of deep learning models in specific stocks, no single model universally excels across all contexts. Research limitations/implications: The study is limited to the Indonesian Stock Exchange. Further research could expand the scope to other markets. The effectiveness of predictive tools may be reduced in markets with significant information gaps, affecting their accuracy in less efficient markets. Originality/value: This research fills a gap by systematically comparing traditional statistical methods, machine learning, and deep learning models across multiple sectors and timeframes, providing valuable insights into strategic model selection for stock price and return forecasting.
#Forecasting #Deep Learning #Machine Learning #Financial Market #Stock Return #Stock Price #Comparative Analysis

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0