Penerapan rantai markov-fuzzy untuk harga emas

Emas adalah aset keuangan yang diakui secara internasional yang dihargai sebagai kendaraan investasi di
seluruh dunia.

Harga emas terus berubah. Saat ini, ramalan ekonomi untuk masa depan, baik secara individu maupun
dalam hal perusahaan, telah menjadi sangat penting. Peramalan harga emas dapat dilakukan dengan 3
cara sebagai berikut:

Prakiraan jangka pendek: Setiap jam, harian atau mingguan

Prakiraan jangka menengah: Bulanan atau triwulanan

Forecast Prakiraan jangka panjang: Proses tahunan atau lebih lama.

Studi ini mencakup data bulanan antara Januari, 2003 dan Januari, 2017. Rata-rata tertimbang bulanan
dari harga emas ($ / ons) yang diterima dari Istanbul Gold Exchange telah digunakan dalam analisis.
Estimasi harga emas selalu penting bagi pemerintah, individu dan investor perusahaan. Pada tahun-tahun
sebelumnya, beberapa studi menerapkan algoritma dan metode yang berbeda untuk melatih model
mereka untuk estimasi harga emas.

Saat ini, model jaringan saraf telah dipertimbangkan oleh sebagian besar kelompok riset untuk
memperkirakan harga emas. Studi penelitian yang menggunakan model tersebut termasuk, tetapi tidak
terbatas pada, yang dilakukan oleh (Mirmirani dan Li, 2004), (Parisi et al., 2008), (Achireko dan Ansong,
2000) dan (Lineesh et al., 2010). Model lain seperti Autoregressive moving average terintegrasi (Parisi et
al., 2008), regresi linier ganda (Achireko dan Ansong, 2000), (Escribanbo dan Granger, 1998), (Ismail et al.,
2009), (Kearney dan Lombra, 2009), dan Jump and dip difusion (Shafiee dan Topal, 2010) juga digunakan
untuk perkiraan harga emas.

Proses Markov adalah model stokastik yang memiliki properti Markov. Dapat digunakan untuk
memodelkan sistem acak. Markov decision process (MDPs) memberikan kerangka matematika untuk
memodelkan situasi di mana hasilnya sebagian acak dan sebagian di bawah kendali pengambil keputusan.
Model ini bergantung pada keadaan renyah yang mengarah pada penghitungan pergerakan antara nilai-
nilai ekstrem dari negara-negara bagian, sebagaimana pergerakan antara nilai rata-rata negara bagian.

Zadeh (1965) mendefinisikan himpunan fuzzy untuk menggambarkan situasi yang tidak jelas secara
matematis. Thomason (1977) memperkenalkan fuzzy matrix dan Kruce et al. (1987) memperkenalkan
rantai Markov fuzzy sebagai rantai Markov klasik berdasarkan probabilitas fuzzy. Rantai Fuzzy Markov
ditunjukkan sebagai konsep hubungan fuzzy dan konsepnya

komposisi (Sanchez, 1976). Ini dapat digunakan sementara pembuat keputusan lebih memilih probabilitas
subjektif untuk memodelkan ketidakpastian (Vajargah dan Gharehdaghi, 2012). Yoshida (1994)
menghasilkan model fuzzy Markov dengan langkah-langkah kemungkinan transisi. Slowinski (1998)
menunjukkan bahwa kita dapat menggunakan representasi himpunan fuzzy untuk menangani data yang
tidak pasti dan persyaratan fleksibel. Avrachenkov dan Sanchez (2000) menganalisis rantai Markov fuzzy
dan sifat-sifatnya secara rinci. Kuranoa et al. (2006) menggunakan status fuzzy untuk menunjukkan
kemungkinan transisi fuzzy. Pardo dan Fuente (2010) menggunakan proses pengambilan keputusan
Markovian dengan negara fuzzy untuk menghitung kebijakan terbaik yang akan diterapkan terkait
keputusan publisitas dalam sistem antrian. Zhou et al. (2013) menggunakan rantai Markov berbasis
probabilitas fuzzy

model untuk memperkirakan permintaan daya listrik jangka panjang regional. Ky dan Fuente (2016)
menggunakan kombinasi model Markov dan model deret waktu fuzzy untuk memperkirakan data pasar
saham. K ral dan Uzun (2017) menggunakan rantai Markov dari fuzzy States untuk memperkirakan indeks
pasar saham.

Untuk menghadapi sifat pergerakan harga emas yang tidak pasti dan kompleks, kami menggunakan teknik
MCFS. Untuk tujuan ini, kami mengkategorikan pengembalian penutupan data pengembalian harga emas
sebagai status fuzzy dengan set fuzzy segitiga. Kemudian kami menentukan matriks transisi Markov dari
keadaan fuzzy. Selanjutnya, kami memperkirakan sebelumnya

bulan diharapkan pengembalian harga emas.