Application of Double Seasonal Autoregressive Integrated Moving Average (DSARIMA) for Stock Forecasting

Journal Title: Jurnal Statistika dan Komputasi - Year 2023, Vol 2, Issue 1

Abstract

Background: Stock price forecasting assists investors to anticipate risks and opportunities in making prudent investments and maximizing returns. Objective: This study aims to identify the most accurate model for stock forecasting. Methods: This paper utilized the daily closing stock price of Unilever Indonesia, Tbk (UNVR) from January 1, 2018 to July 31, 202.  Double Seasonal Autoregressive Integrated Moving Average (DSARIMA), was utilized in this study. Mean Absolute Scaled Error (MASE) and Median Absolute Percentage Error (MdAPE) are used to compare forecasting accuracy. Results: Following conducting each model, we assessed that the best models are DSARIMAX (0,1,[4]) ([3],1,1)5(1,1,0)253, regarding MASE and MdAPE corresponding to approximately 1.423 and 0.111. The scope of this study has limitations to a test set for one-month forecast periods. Conclusion: As stock prices rise, investors require precise forecasts. Models of forecasting must perform well. This analysis shows how the DSARIMA generate forecasts stock prices more accurately. This investigation evaluated the closing stock price of UNVR. Both MASE and MdAPE assess prediction. After analyzing each model, DSARIMAX (0,1,[4])([3],1,1)5(1,1,0)253 has the lowest MASE and MdAPE values, 1.423 and 0.111, respectively. The procedure lasted one month. Research may combine forecasts and improve their accuracy.

Authors and Affiliations

Mega Silfiani, Farida Nur Hayati, Muhammad Azka

Keywords

Related Articles

Analisis Kepuasan Pengguna Jasa Petugas Parkir Dinas Perhubungan Bojonegoro Menggunakan Regresi Logistik Ordinal

Latar Belakang: Tidak semua petugas parkir Dinas Perhubungan Kabupaten Bojonegoro melaksanakan kerjanya baik dan sesuai dengan standard operational procedure (SOP). Bentuk pembekalan dan sosialisasi oleh dinas terkait su...

Peramalan Banyaknya Pasien Rawat Jalan dengan Menggunakan Metode Brown's Double Exponential Smoothing

Latar   Belakang:    Peramalan memainkan peran penting dalam kegiatan pengambilan keputusan dalam manajemen organisasi. Kebutuhan akan peramalan yang andal semakin meningkat seiring upaya manajemen untuk mengurangi keter...

Analisis Klaster Dalam Pengelompokan Kabupaten/Kota Di Provinsi Jambi Berdasarkan Penyakit Menular Menggunakan Metode K-Means

Latar   Belakang: Kesehatan merupakan salah satu indikator pada pembangunan manusia, masalah kesehatan di Provinsi Jambi sedang dihadapkan pada beban ganda yang mana masalah penyakit menular masih menjadi masalah yang be...

Analisis Ketahanan Hidup Pasien COVID-19 Menggunakan Pendekatan Multivariate Adaptive Regression Spline (MARS)

Latar   Belakang: Tahun 2019 dunia digemparkan dengan terjadinya penyebaran penyakit baru yaitu Coronavirus Disease 19 (COVID-19) yang merupakan penyakit menular disebabkan oleh jenis corona virus bernama Severe Acute Re...

Pengelompokan Faktor-Faktor yang Mempengaruhi Curah Hujan di Provinsi Sumatera Utara Menggunakan Metode Fuzzy C-Means

Latar   Belakang: Di Indonesia, kondisi curah hujan dipengaruhi oleh berbagai faktor, termasuk kondisi fisiografis, pola angin, dan perubahan iklim. Kondisi curah hujan di Sumatera Utara pada tahun 2020 bervariasi di ber...

Download PDF file
  • EP ID EP720295
  • DOI https://doi.org/10.32665/statkom.v2i1.1594
  • Views 71
  • Downloads 0

How To Cite

Mega Silfiani, Farida Nur Hayati, Muhammad Azka (2023). Application of Double Seasonal Autoregressive Integrated Moving Average (DSARIMA) for Stock Forecasting. Jurnal Statistika dan Komputasi, 2(1), -. https://europub.co.uk/articles/-A-720295