2-1. Index Forecast Study Based On Amended Weighted Markov Chain in Chine - En.id
2-1. Index Forecast Study Based On Amended Weighted Markov Chain in Chine - En.id
com
Jurnal Perdagangan Internasional, Ekonomi dan Keuangan, Vol. 11, No. 5, Oktober 2020
Yanpeng Sun
doi: 10.18178/ijtef.2020.11.5.674 98
Jurnal Perdagangan Internasional, Ekonomi dan Keuangan, Vol. 11, No. 5, Oktober 2020
akan disimpulkan secara singkat dan Model Rantai Markov Industrial Average, Jiang & Xu (2013) [13] mengusulkan metode
berbobot yang diubah akan diperkenalkan. Kedua, model teoritis perkiraan kinerja indeks saham berdasarkan model residual abu-
akan disajikan. Kemudian, bagian utama dari makalah ini datang. abu dan jaringan saraf BP. Shi (2014) [14] memberikan model
Analisis empiris akan ditunjukkan secara rinci. Kesimpulan ARIMA berdasarkan analisis wavelet berdasarkan harga
keseluruhan akan ditampilkan pada akhirnya. penutupan rata-rata bulanan Shanghai Composite Index dan
perkiraan tren harga indeks jangka panjang. Song (2014) [15]
menentukan titik belok harga saham dan meramalkan tren harga
II. LITERATUR saham dengan menghaluskan fluktuasi harga saham. Cui (2016)
Asal usul Model Markov dapat ditelusuri kembali ke paruh [16] memperkenalkan Rantai Markov normal untuk menganalisis
kedua tahun 1960-an, ketika Baumet al. mempresentasikan pasar Ekonomi dengan indeks data ekonomi utama China,
prototipe asli Model dalam serangkaian makalah statistik. menunjukkan bahwa teori Rantai Markov dapat dipraktikkan
Pertama, Baum (1966) [1] menerbitkan sebuah makalah tentang untuk data ekonomi. Fei (2016) [17] menganalisis karakter data
prototipe awal model Markov, dan memberikan inferensi statistik acak di lingkungan yang berbeda dan menunjukkan bahwa Rantai
pada fungsi probabilitas rantai Markov keadaan hingga. Markov menunjukkan presisi yang baik dalam mendeskripsikan
Kemudian, Baum (1970, 1972) [2], [3] masing-masing memberikan dan memprediksi data ekonomi di beberapa lingkungan acak. Lin
teknik maksimalisasi untuk fungsi probabilitas rantai Markov dan & Yang (2017) [18] memperkenalkan jaringan saraf hybrid yang
teknik ketidaksamaan korelasi dan maksimalisasi untuk estimasi ditingkatkan berdasarkan granulasi fuzzy untuk mempelajari
statistik fungsi probabilitas proses Markov, yang merupakan pasar saham. Studi mereka menunjukkan bahwa indeks saham
perluasan lebih lanjut dari tahun 1996 dan meletakkan dasar dapat diprediksi dan data pasar saham memiliki karakteristik
untuk pekerjaan selanjutnya pada model Markov. Kemudian, Ryan statistik ketika tidak ada force majeure yang terjadi di pasar
& Nudd (1973) [4] merangkum konten yang relevan dan bidang saham, dan mereka mendapatkan keputusan yang baik dalam
aplikasi dari algoritma Viterbi, dan memperluas algoritma memprediksi kisaran harga indeks saham. Liang (2016) [19] secara
tersebut. Lalu, Levinsonet al.(1983) [5] memberikan penerapan kreatif memperkenalkan model sistem inferensi fuzzy berbasis
teori fungsi probabilitas rantai Markov dalam pengenalan ucapan jaringan adaptif (ANFIS) ke pasar saham, menggunakan
otomatis, menggabungkan teori dengan masalah praktis, dan karakteristik statistik dari data pasar saham, menganalisis
memberikan model yang cocok untuk pengenalan kata terisolasi. hubungan antara perubahan data dan aliran waktu, dan pada
Dan Rabiner & Juang (1986) [6] merangkum isi Model Markov yang mode empiris studi mereka menunjukkan deskripsi yang baik
relevan berdasarkan penelitian sebelumnya. Krishnalal [7]et al. untuk data deret waktu saham. Penelitian mereka berfokus pada
menggabungkan model Markov dengan mesin vektor dukungan keakuratan nilai ramalan dalam penelitian ramalan harga saham
dan menerapkannya pada penambangan teks dan klasifikasi tetapi mengabaikan fluktuasi acak pasar saham, yang pasti
berita. mengkompromikan akurasi perkiraan. Sebaliknya, rantai Markov
Model Markov juga banyak digunakan dalam bidang keuangan. bobot yang diubah digunakan untuk meramalkan rentang
Hassan & Nath (2005) [8], [9] pertama kali menerapkan Model Markov fluktuasi masa depan dan probabilitas negara objek penelitian. Ini
pada prediksi harga saham dan memberikan metode baru untuk sepenuhnya mempertimbangkan fluktuasi acak pasar saham,
memprediksi harga saham. Metode ini mengambil harga pembukaan, menampilkan hasil perkiraan yang lebih ilmiah dan praktis.
harga penutupan, harga maksimum dan harga minimum dari harga
saham sebagai input model, dan memprediksi harga saham melalui
estimasi parameter, decoding status dan langkah-langkah lainnya. AKU AKU AKU. THEORETISMODEL
Kemudian, Srivastavaet al(2008) [10] menerapkan Model Markov Tentukan ruang peluang (Ω, F, P) barisan acak padaX0,X
untuk deteksi penipuan kredit, dan hasil empiris menunjukkan bahwa 1,...
Ini disebut rantai rantai markov), jika dua kondisi
penggunaan Model Markov efektif untuk mendeteksi penipuan berikut terpenuhi:
informasi. Dan Hassan (2009) [11] mengkombinasikan Model Markov
(1) ruang keadaan {XN:N≥0} adalah himpunan yang dapat dihitung;
dengan Model fuzzy dan menerapkan Model tersebut pada prediksi
(2) untuk apa sajaNdan negara bagianSaya0,Saya1...,SayaN+1∈aku, selamaP{X0=Saya0,
harga saham. Model MENGGUNAKAN Model Markov untuk pengenalan
X1=Saya1, ...z,XN=SayaN} >0, persamaan berikut benar
pola data, kemudian MENGGUNAKAN logika fuzzy untuk
P{XN+1=SayaN+1|X0=Saya0,X1=Saya1, ... ,XN=SayaN} =P{XN+1=SayaN+1|
mendapatkan prediksi dan dapat menguji pasar saham dari berbagai
industri. Hasil empiris menunjukkan bahwa akurasi prediksi dari XN=SayaN}
model yang diperbaiki jelas meningkat. Baru-baru ini, Caccia & Kondisi (2) disebut properti markov (disebut juga no after effect), yang
Remillard (2017) [12] mengusulkan Model Markov autoregresif merupakan karakteristik dasar dari rantai markov. Ini menunjukkan bahwa
berganda berdasarkan Model Markov. Berdasarkan Model yang negara pada saat ituN+1 hanya berhubungan dengan keadaan pada waktu
ditingkatkan, uji rasio kemungkinan dan uji kecocokan baru dilakukan n, bebas dari keadaan sebelum waktu n. Jane Dengan sendirinya, properti
untuk menguji tingkat pengembalian harian S&P 500, dan ditemukan Markov berarti masa depan tidak ada hubungannya dengan masa lalu,
bahwa Model yang ditingkatkan memiliki keunggulan yang nyata. mengingat masa kini.
Penelitian dalam negeri tentang Model Markov dimulai relatif Untuk menyiapkan model perkiraan rantai Markov berbobot yang
terlambat, tetapi dalam beberapa tahun terakhir, penerapan Model diubah termasuk:
Markov di bidang keuangan telah menarik lebih banyak perhatian dari 1) Mengurutkan sampel perkiraan dari kecil ke besar dan
para pakar domestik, cendekiawan, dan profesional investasi. mempartisi untuk membangun ruang keadaan I;
Menggunakan Shanghai Composite Index dan Dow Jones 2) Menentukan status indeks harga dalam waktu yang berbeda
99
Jurnal Perdagangan Internasional, Ekonomi dan Keuangan, Vol. 11, No. 5, Oktober 2020
ember; harga hampir semua jenis saham meningkat, dari mana investor
3) Menguji properti Markov; akan mendapat banyak keuntungan. Oleh karena itu, masyarakat
4) Menghitung koefisien autokorelasi all-orderRk dari berbagai kalangan mau berinvestasi di saham. Namun,
sesuai dengan rumus perhitungan yang sesuai, fluktuasi konstan dalam tren naik selalu ada. Hukum obyektif
(XSAYA- juga menunjukkan bahwa harga saham akan turun ketika naik
-
N-k
( -k -X)
xx) SAYA (1) titik tinggi, yaitu pasar dihadapkan pada tingkat yang jauh lebih tinggi
Rk- SAYA-1
(k-SAYA)
-
N
(XSAYA-X)2 tekanan penurunan. Sejak Juni 2015, Indeks Harga Saham
SAYA
-1
Gabungan Shanghai sementara turun dari titik tertinggi, yang
di manaRksingkatan dari koefisien autokorelasi darik memberikan tekanan besar dalam proses pemulihan ekonomi
1 19-09-2014 2330.83 1
matriks probabilitas transisi rantai Markov dalam penundaan yang
2 26-09-2014 2347.72 1
berbeda; 3 30-09-2014 2363.87 1
7) Peramalan probabilitas negaraPSaya(k) dari indeks harga ini 4 10-10-2014 2374.54 1
5 17-10-2014 2341.17 1
ember waktu (di manasaya saya,ksingkatan dari penundaan, dank=1, 2, …M) 6 24-10-2014 2302.28 1
menggunakan indeks harga sebelumnya sebagai keadaan awal dan 7 31-10-2014 2420.17 2
8 07-11-2014 2418.16 2
menggabungkan matriks probabilitas transisi yang sesuai;
9 14-11-2014 2478.82 2
8) Meramalkan bobot berbagai probabilitas perkiraan di negara bagian 10 21-11-2014 2486.79 2
yang sama dan probabilitas perkiraan indeks harga di negara bagian ini, 11 28-11-2014 2682.83 2
12 05-12-2014 2937.64 2
yaitu,
13 12-12-2014 2938.16 2
M 14 19-12-2014 3108.60 3
- -wkPSaya (k)
PSaya (3) 15 26-12-2014 3157.60 3
16 31-12-2014 3234.67 3
k-1
17 09-01-2015 3285.40 3
18 16-01-2015 3376.50 3
Sayadalam Maks (pi,saya saya) adalah nilai perkiraan status indeks dalam
19 23-01-2015 3351.76 3
kelompok waktu ini. 20 30-01-2015 3210.36 3
21 06-02-2015 3075.90 3
22 13-02-2015 3203.83 3
23 17-02-2015 3246.90 3
IV. eMPIRIKAANALISIS 24 27-02-2015 3310.30 3
25 06-03-2015 3241.18 3
A. Memilih Sampel 26 13-03-2015 3372.90 3
Makalah ini menggunakan data harga penutupan mingguan Shanghai 27 20-03-2015 3617.32 4
28 27-03-2015 3691.10 4
Composite Index (selanjutnya disebut Shanghai Composite Index) dari 28
29 03-04-2015 3863.92 4
November 2014 hingga 17 Juli 2015 sebagai sampel penelitian, dan tren 30 10-04-2015 4034.31 4
harga dari data sampel ditunjukkan pada Gambar 1. 31 17-04-2015 4287.29 5
32 24-04-2015 4393.69 5
33 30-04-2015 4441.66 5
34 08-05-2015 4205.92 5
35 15-05-2015 4308.69 5
36 22-05-2015 4657.60 5
37 29-05-2015 4611.74 5
38 05-06-2015 5023.10 5
39 12-06-2015 5166.35 5
40 19-06-2015 4478.36 5
41 26-06-2015 4192.87 4
42 03-07-2015 3686.92 4
43 10-07-2015 3877.80 4
44 17-07-2015 3957.35 4
Gambar 1. Tren garis mingguan indeks komposit Shanghai (dari 28 November 2014 hingga 1 Juli 2014).
17, 2015).
B. Memproses Data
Fig.1 menunjukkan bahwa Shanghai Composite Index telah menunjukkan
Data sampel indeks komposit Shanghai diurutkan dari kecil ke
kenaikan yang stabil dari tahun 2000 menjadi lebih dari 5000 poin sebelum Juni
besar dan rata-rata dibagi menjadi lima rentang sampel sesuai
2015, yang mencerminkan visi ekonomi China yang menginspirasi.
dengan perbedaan maksimum, termasuk status 1: harga penutupan
Selama periode ini, pasar saham melonjak, dan lebih rendah dari 2400, status 2: harga penutupan antara
100
Jurnal Perdagangan Internasional, Ekonomi dan Keuangan, Vol. 11, No. 5, Oktober 2020
2400 (termasuk) dan 3000; status 3: harga penutupan antara 3000 4200 dan status 5 [5]: harga penutupan di atas 4200 (termasuk). Lihat Tabel
(termasuk) dan 3600, status 4: harga penutupan 3600 (termasuk) dan I untuk detailnya.
7
Koefisien autokorelasi semua orde dinormalisasi untuk
6 mendapatkan bobot rantai Markov [7] dari penundaan semua
5 orde. Lihat Tabel IV untuk hasil operasi.
4
TABEL IV: MARKOVCHAINWDELAPAN DARIAII-HAIRDERDELAY
3
Bobot k=1 k=2 k=3 k=4 k=5
2
wk 0,2365 0,2187 0,2007 0,1811 0,1629
1
0
2000 2500 3000 3500 4000 4500 5000 5500
D. Matriks Probabilitas Transisi Rantai Markov
Gambar 2 Histogram Distribusi
Matriks probabilitas transisi penundaan dapat dihitung setelah
Contoh Fungsi Autokorelasi (ACF)
1 bobot yang sesuai dari semua pesanan dihitung (lihat Gambar. 5,
Gambar. 6, Gambar. 7, Gambar. 8 dan Gambar. 9).
0,8
-0,800 0,200 0 0 0 -
0,6 - -
-0,125 0,750 0,125 0 0 -
P1 - - 0 0 1.000 0 0 -
Contoh Autokorelasi
0,4
- -
- 0 0 0 0,857 0,143-
0,2 -- 0 0 0 1.000 0.900--
Gambar 5. Matriks probabilitas transisi satu delay P1.
0
-0,600 0,400 0 0 - 0
- 0,2 - -
-0,125 0,625 0,250 0 0 -
- 0,4 P2 - - 0 0 0,917 0,083 0 -
0 2 4 6 8 10 12 14 16 18 20
- -
- 0 0 0 0,667 0,333 -
Ketinggalan
101
Jurnal Perdagangan Internasional, Ekonomi dan Keuangan, Vol. 11, No. 5, Oktober 2020
E. Indeks Peramalan 2015 ditutup pada 4.070,91 sedangkan pada 3.633,73 pada 31 Juli
Dari sebelumnya, dengan data harga penutupan mingguan dari 2015, dan kedua nilai turun di negara bagian 4, menunjukkan bahwa
lima minggu terakhir (dari 19 Juni 2015 hingga 17 Juli 2015) dari hasil aktual sangat konsisten dengan hasil prediksi.
pada Tabel V. memperkirakan rentang fluktuasi dan probabilitas tren jangka pendek indeks Shanghai Composite. Hasil prediksi sepenuhnya
menunjukkan bahwa status pasar saham Tiongkok yang naik perlahan tidak akan berubah dalam jangka pendek tetapi Shanghai
TABEL V: TMEMBELAHFORECAST DARISHANGHAICOMPOSITSAYANDEX Composite Index akan berfluktuasi antara 3600 dan 4200. Sementara itu, kebangkitan ekonomi Tiongkok tidak akan berubah
(DARIJUL. 18, 2015KEJUL. 24, 2015)
dalam jangka pendek tetapi masih menghadapi tekanan besar di kecenderungan untuk menurun. Pemerintah China seharusnya
Menunda memperkenalkan lebih banyak kebijakan pendukung mengingat pasar memainkan peran utamanya dalam alokasi sumber daya,
Pertama Probabilitas Ruang Negara
Serikat waktu/ Bobot
Hari berharap untuk menstabilkan dan meningkatkan sentimen investasi dan menjaga pencapaian kebangkitan ekonomi. (Karena
pekan
1 2 3 4 5 pasar saham dapat mencerminkan operasi ekonomi riil, adalah keharusan untuk secara aktif mempromosikan perkembangan
06-19 5 5 0,2365 0 0 0 0,444 0,556 ekonomi riil. Sangat penting untuk mendorong pengembangan usaha kecil dan menengah yang menjanjikan yang merupakan
06-26 4 4 0,2187 0 0 0 0 1 bagian penting dan aktif dari ekonomi pasar. Sangat penting untuk menciptakan lingkungan yang sehat dan sehat di mana modal
07-03 4 3 0,2007 0 0 0 0,400 0,600 dapat mengalir ke perusahaan yang membutuhkan dan dapat menciptakan kekayaan yang nyata. Hal ini dapat dicapai dengan
07-10 4 2 0,1811 0 0 0 0,667 0,333 beberapa kebijakan pemerintah yang mengatur aliran modal dari lembaga keuangan. Untuk sentimen investasi, akan berkembang
jika ekonomi riil berkembang dengan stabil atau semakin cepat. Dan sentimen investasi yang tinggi pada gilirannya akan
07-17 4 1 0,1629 0 0 0 0,857 0,143
berkontribusi pada kemajuan ekonomi riil. Maka, akan ada sirkulasi yang baik). Sangat penting untuk mendorong pengembangan
jumlah berat 0 0 0 0,501 0,499 usaha kecil dan menengah yang menjanjikan yang merupakan bagian penting dan aktif dari ekonomi pasar. Sangat penting untuk
menciptakan lingkungan yang sehat dan sehat di mana modal dapat mengalir ke perusahaan yang membutuhkan dan dapat
Bobot berbagai probabilitas prediksi di negara bagian yang menciptakan kekayaan yang nyata. Hal ini dapat dicapai dengan beberapa kebijakan pemerintah yang mengatur aliran modal dari
sama dan probabilitas perkiraan Shanghai Composite Index di lembaga keuangan. Untuk sentimen investasi, akan berkembang jika ekonomi riil berkembang dengan stabil atau semakin cepat.
negara bagian ini serta 'probabilitas ruang negara' di Tabel V Dan sentimen investasi yang tinggi pada gilirannya akan berkontribusi pada kemajuan ekonomi riil. Maka, akan ada sirkulasi yang
ditampilkan di MATLAB dalam matriks. Hasilnya adalah: baik). Sangat penting untuk mendorong pengembangan usaha kecil dan menengah yang menjanjikan yang merupakan bagian
penting dan aktif dari ekonomi pasar. Sangat penting untuk menciptakan lingkungan yang sehat dan sehat di mana modal dapat
P1 = 0;P2 = 0;P3 = 0;P4 =0,5013;P5 = 0,4987 mengalir ke perusahaan yang membutuhkan dan dapat menciptakan kekayaan yang nyata. Hal ini dapat dicapai dengan beberapa
Probabilitas Indeks Komposit Shanghai dalam minggu kebijakan pemerintah yang mengatur aliran modal dari lembaga keuangan. Untuk sentimen investasi, akan berkembang jika
perdagangan berikutnya tertinggi di negara bagian 4, sebesar 50,13%, ekonomi riil berkembang dengan stabil atau semakin cepat. Dan sentimen investasi yang tinggi pada gilirannya akan berkontribusi
jadi kami menganggap rentang fluktuasi Indeks Komposit Shanghai pada kemajuan ekonomi riil. Maka, akan ada sirkulasi yang baik). Sangat penting untuk menciptakan lingkungan yang sehat dan
harus antara 3600 (termasuk) dan sekitar 4200; menggunakan sehat di mana modal dapat mengalir ke perusahaan yang membutuhkan dan dapat menciptakan kekayaan yang nyata. Hal ini dapat dicapai dengan bebera
RREFERENSI
[1] LE Baum dan T. Petrie, "inferensi statistik untuk fungsi probabilistik rantai
Markov keadaan terbatas,"Sejarah Statistik Matematika, vol. 37, tidak. 6,
hlm. 1544-1563, 1966.
[2] LE Baum, T. Petrie, G. Soules, dan N. Weis, “Teknik maksimalisasi
yang terjadi dalam analisis statistik fungsi probabilistik rantai
Markov,”Sejarah Statistik Matematika, vol. 41, tidak. 1, hlm.
164-171, 1970.
[3] LE Baum, "Sebuah ketidaksetaraan dan teknik maksimalisasi terkait dalam
estimasi statistik fungsi probabilistik dari proses Markov," Ketidaksetaraan
, vol. 3, hlm. 1-8, 1972.
[4] MS Ryan dan GR Nudd, "Algoritme viterbi," diProses IEEE, 1973,
vol. 61, tidak. 5, hlm. 268-278.
Gambar 4. Prakiraan rentang tren indeks komposit Shanghai.
[5] SE Levinson, LR Rabiner, dan MM Sondhi, "Pengantar penerapan
teori fungsi probabilistik dari proses Markov untuk pengenalan
ucapan otomatis,"Jurnal Teknis Bell Labs, vol. 62, tidak. 4, hlm.
1035-1074, 1983.
F. Uji Balik [6] LR Rabiner dan BH Juang, “Pengantar model Markov tersembunyi,”
Hasil operasi sebenarnya dari pasar Shanghai Composite Index IEEE ASSP Mag, vol. 3, tidak. 1, hlm. 4-16, 1986.
[7] G. Krishnalal, SB Rengarajan, dan KG Srinivasagan, “Pendekatan penambangan
menunjukkan bahwa Shanghai Composite Index pada 24 Juli teks baru berdasarkan HMM-SVM untuk klasifikasi berita web,”
102
Jurnal Perdagangan Internasional, Ekonomi dan Keuangan, Vol. 11, No. 5, Oktober 2020
Jurnal Internasional Aplikasi Komputer, vol. 19, hlm. 98-104, [16] LP Cui, "Teori rantai Markov dan studi aplikasi di bidang
2010. manajemen ekonomi,"Pasar Cina, vol. 6, hlm. 76-83, 2016.
[8] MR Hassan dan B. Nath, "Peramalan pasar saham menggunakan mode [17] SL Fei, "Rantai Markov di beberapa lingkungan acak,"Jurnal
Markov tersembunyi1: Pendekatan baru," dalamProses Konferensi Universitas Normal Cina Timur, vol. 2, hlm. 62-71, 2016.
Internasional tentang Desain & Aplikasi Sistem Cerdas, 2005, hlm. 192-196. [18] Y. Lin dan JH Yang, "Peningkatan jaringan saraf hibrida berdasarkan
[9] MR Hassan, B. Nath, dan M. Kirley, “Model fusi HMM, ANN, dan GA granulasi fuzzy untuk prediksi kisaran harga indeks saham berjangka,"
untuk peramalan pasar saham,”Sistem Pakar dengan Aplikasi, vol. Keuangan Cina Selatan, vol. 10, hlm. 9-22, 2017.
33, tidak. 1, hlm. 171-180, 2007. [19] L.-Y. Wei, "Model ANFIS hibrid berdasarkan dekomposisi mode empiris
[10] A. Srivastava, A. Kundu, S. Sural, dan A. Majumdar, “Deteksi penipuan kartu kredit untuk peramalan deret waktu saham,"Komputasi Lunak Terapan, vol.
menggunakan model Markov tersembunyi,”Transaksi IEEE pada Komputasi 5, hlm. 32-41, 2016.
Aman yang Dapat Diandalkan, vol. 5, tidak. 1, hlm. 37-48, 2008.
[11] MR Hassan, “Kombinasi model Markov tersembunyi dan model fuzzy untuk Hak Cipta © 2020 oleh penulis. Ini adalah artikel akses terbuka yang didistribusikan di
peramalan pasar saham,”Komputasi Neuro, vol. 72, hlm. 3439-3446, 2009. bawah Lisensi Atribusi Creative Commons yang mengizinkan penggunaan, distribusi,
dan reproduksi tanpa batas dalam media apa pun, asalkan karya asli dikutip dengan
[12] M. Caccia dan B. Remillard, "Harga opsi dan lindung nilai untuk model benar (CC OLEH 4.0 ).
Markov tersembunyi autoregresif waktu diskrit,"Les Cahiers du GERAD,
2017.
[13] H. Jiang dan GF Xu, “Prediksi dinamis indeks saham berdasarkan sistem Yanpeng Sunsaat ini menjadi profesor. Dia sekarang di
abu-abu dan jaringan saraf BP,”Matematika dalam Praktek dan Teori, vol. Universitas Qingdao, Cina. Dia memperoleh gelar B.Sc. dan M.Sc.
22, hlm. 52-59, 2013. derajat pada tahun 2000 dan 2005, masing-masing. Fokus
[14] HY Shi, "Analisis dan prediksi indeks komposit Shanghai dengan model penelitiannya saat ini terutama melibatkan inovasi manajemen,
ARIMA berdasarkan analisis wavelet,"Matematika dalam Praktek dan Teori keuangan internet, dan pemrosesan data besar.
, vol. 23, hlm. 59-68, 2014.
[15] S. Song, “Menjelajahi karakteristik Kuznets dari fluktuasi harga
saham dan penerapannya dalam prediksi,”Jurnal Terapan Statistik
dan Manajemen, vol. 2, hlm. 47-56, 2014.
103