Di pasar perdagangan reguler Bursa Efek Indonesia (BEI), saham umumnya diperdagangkan pada harga di atas Rp50 per lembar saham. Ketika saham mencapai harga minimum ini, sering kali dianggap sebagai sinyal negatif oleh investor, yang memicu efek psikologis yang mengurangi minat dan likuiditas pasar. Penurunan tersebut biasanya dikaitkan dengan fundamental yang lemah, kinerja keuangan yang buruk, dan sentimen pasar yang negatif, sehingga menjadi titik analisis yang kritis bagi para pelaku pasar. Studi ini menganalisis enam indikator keuangan—Price-to Book Value (PBV), Price-to-Tangible Book Value (PTBV), Current Ratio (CR), Quick Ratio (QR), Debt-to-Equity Ratio (DER), dan Working Capital Ratio (WCR)—selama empat kuartal terakhir untuk memprediksi pergerakan saham hingga ambang batas ini. Indikator-indikator ini dipilih karena hubungan teoritisnya yang kuat dengan kinerja perusahaan dan kesehatan keuangan, sehingga memastikan analisis yang komprehensif. Dengan menggunakan algoritma eXtreme Gradient Boosting (XGBoost) dan Support Vector Machine (SVM), penelitian ini mengeksplorasi area yang jarang dibahas dalam analisis keuangan, khususnya dalam konteks pasar Indonesia. Pemilihan fitur menggunakan analisis korelasi Cramér's V meningkatkan ketahanan dan akurasi prediktif model dengan mengidentifikasi faktor-faktor yang paling berpengaruh. Hasilnya menunjukkan bahwa SVM mencapai akurasi pengujian sebesar 71%, sedikit mengungguli XGBoost pada 70% , yang menunjukkan efektivitas model pembelajaran mesin ini dalam memprediksi kinerja saham. Temuan ini memberikan wawasan berharga bagi investor dan pembuat kebijakan, yang menyoroti pentingnya menggabungkan indikator keuangan dan algoritma canggih untuk meningkatkan pengambilan keputusan dalam perdagangan saham.