Buku resmi MLIR · Forecasting

Machine Learning untuk Manajemen Portofolio

Panduan praktis untuk mempelajari forecasting saham IHSG, saham Amerika, emas, dan perak dengan workflow data, evaluasi model, dan Python.

Rp49.000 sekali bayar · akses lifetime
Cover buku Machine Learning untuk Manajemen Portofolio
Empat jenis asetIHSG, saham AS, emas, dan perak
Workflow PythonDari data hingga evaluasi
Bonus labRegresi, optimasi, dan sinyal
Akses lifetimeTersimpan di akun Anda

Forecasting yang dimulai dari data, bukan tebakan.

Alur belajar menghubungkan karakter data finansial, transformasi sinyal, pemodelan, evaluasi, dan interpretasi hasil secara bertahap.

01

Memahami time series

Membaca urutan waktu, trend, seasonality, volatilitas, dan noise pada data aset.

02

Menyiapkan data

Merapikan rentang waktu, fitur, missing value, dan pembagian data tanpa membocorkan masa depan.

03

Regresi dan forecasting

Menghubungkan baseline, regresi, interpolasi, ekstrapolasi, dan prediksi nilai berikutnya.

04

Optimasi model

Memahami loss, gradient descent, learning rate, dan proses pencarian parameter.

05

Signal processing

Membaca komponen frekuensi, filter, trend, seasonality, dan residual.

06

Evaluasi realistis

Menguji model secara kronologis dan menafsirkan error tanpa menjanjikan hasil investasi.

Bonus akses

Lab forecasting pendukung

  • 01Regresi linear dan garis prediksi.
  • 02Interpolasi dan ekstrapolasi.
  • 03Gradient descent dan learning rate.
  • 04Dekomposisi dan filter sinyal.
  • 05FFT dan spektrum frekuensi.
Mulai membaca

Artikel terkait

Pertanyaan umum

Apakah ini buku rekomendasi saham?

Tidak. Fokusnya adalah pembelajaran teknis tentang forecasting, data, Python, dan evaluasi model.

Apakah cocok untuk pemula?

Pembaca sebaiknya sudah mengenal dasar Python; konsep machine learning dijelaskan bertahap.

Bagaimana akses lab dibuka?

Setelah pembayaran berhasil, ebook dan lab pendukung tampil pada halaman akun.

Jalur belajar

Eksperimen yang dapat dijelaskan.

  • 01Pelajari struktur dan keterbatasan data.
  • 02Buat baseline sebelum model kompleks.
  • 03Jalankan eksperimen secara kronologis.
  • 04Bandingkan error dan interpretasikan hasil.

Bangun workflow forecasting yang lebih rapi.

Dapatkan ebook dan seluruh lab pendukung dalam satu pembelian lifetime.

Dapatkan sekarang