Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pemodelan dan peramalan harga saham merupakan hal yang sangat penting bagi seorang investor. Harga saham selalu mengalami perubahan seiring berjalannya waktu. Perubahan ini tidak konstan dan sangat berdampak jika diabaikan karena hal tersebut dapat menimbulkan risiko kerugian. Banyak model yang sudah dibuat dengan tujuan untuk meminimalkan risiko kerugian tersebut. Pada penelitian ini, akan digunakan model ARIMA-GARCH untuk meramalkan volatilitas dalam harga saham. Alasan dari penggunaan gabungan kedua model tersebut adalah karena Model ARIMA saja tidak dapat menangani data dengan volatilitas besar dan yang non-linear. Maka, diharapkan bahwa penggunaan dari model gabungan ini dapat menangani masalah tersebut. Data harga saham yang digunakan pada penelitian ini adalah data harga penutupan dalam dua saham yang termasuk dari indeks LQ45. Pada penelitian ini, data tersebut akan dimasukkan kedalam model gabungan tersebut untuk mendapat peramalan di hari selanjutnya. Setelah itu, akan digunakan metode Walk Forward untuk mendapat semua hasil peramalannya. Dari hasil tersebut, didapat bahwa pengabungan dari ARIMA (1,1,1)-GARCH (1,1) memberikan perdiksi harga saham yang terbaik untuk kedua saham yang dipilih. Lalu, menggunakan hasil MAE dan RMSE dari saham, dapat disimpulkan bahwa model ARIMA-GARCH merupakan model yang dapat memprediksi harga saham dengan baik.

---

For an Investor, modelling and forecasting the stock prices are very important. Stock price fluctuate as time goes and these changes vary from one point of time to another. These changes can be really dangerous if ignored because the risk of loss it might create. Many models have been created with the purpose of minimizing the risk of loss. In this study, the ARIMA-GARCH model will be used to predict closing price in the stock prices which contain volatility. The reason for using the combination of the two models is due to ARIMA model unable to handle large volatility along with non-linear data. Thus, it is hoped the use of this combined model can solve this problem. The data that is used on this study is the closing price of 2 stocks that is part of the LQ45 index. In this research, the data will be used on the combined model to get the forecast price of the next day. Then, the rest of the forecast price will be found using a process called Walk Forward. After acquiring all the forecasted price, it is found that the combination of ARIMA (1,1,1)-GARCH (1,1) yield the best result in forecasting the stock prices. Then, by using MAE and RMSE to check the error of the results, it can be concluded that the ARIMA-GARCH model is a model that is able to predict stock prices well."

"Globalisasi dan era industri 4.0 telah membawa perkembangan luar biasa diberbagai bidang, termasuk di bidang ekonomi dan keuangan. Pertumbuhanekonomi di abad ke-21 bergantung pada partisipasi masyarakat dalam kegiatanekonomi (misalnya trading, commerce, dan investasi). Di Indonesia, salah satukegiatan ekonomi yang umum dilakukan adalah berinvestasi di pasar saham karenabanyaknya perusahaan yang dapat dipilih oleh investor untuk berinvestasi. Banyakorang yang ingin menanamkan modalnya di pasar saham karena tingkatpengembaliannya yang tinggi, meskipun demikian banyak hal kompleks (noisy timeseries yang terus bergerak dan sifatnya yang sulit untuk diprediksi karena cepatbergerak). Oleh karena itu, tulisan ini akan membahas tentang prediksi harga sahamdengan menggunakan Gauss-Newton Representation Based Algorithm (GNRBA).Metode yang diusulkan menawarkan algoritma yang lebih efektif, implementasiyang lebih sederhana, dan kerumitan yang lebih sedikit dibandingkan denganmetode perhitungan tradisional lainnya. Selain itu, penelitian ini menggabungkanGNRBA dengan Stratified Shuffle Split sebagai metode validasi datanya (datasplitting method). Dengan hasil akurasi di atas 86%, investor dan calon investordiharapkan dapat menggunakan metode yang dibahas dalam penelitian ini untukmembuat keputusan yang tepat dalam berinvestasi.

---

Globalization and industry 4.0 has brought tremendous development in various

fields, including in economics and finance. Economic growth in the 21st century

relies on the participation of the people in economic activities (e.g. trade and

commerce, investing). In Indonesia, one particularly common economic activity is

to invest in the stock market due to the wide array of companies that investors could

choose to invest in. Many people want to invest their capital in the stock market

due to its high return rate, despite its complex movement (noisy time series which

is constantly moving and its unpredictable nature). Therefore, this paper will

discuss about the prediction of stock prices using the Gauss-Newton Representation

Based Algorithm (GNRBA). The proposed method provides users with a more

effective algorithm, simpler implementation, and less complexity compared to the

11 traditional representation. Additionally, this paper combines the GNRBA with

the Stratified Shuffle Split as its data splitting method. With accuracy above 86%,

investors and potential investors could use the methods discussed in this paper to

make an informed decision in investing."

"Tesis ini bertujuan untuk mendeterminasi pengaruh yang ditimbulkan diversitas pada dewan direksi perusahaan energi dan pertambangan pada negara-negara berkembang di kawasan Asia Tenggara terhadap risiko penurunan harga saham (stock price crash risk) periode 2015-2019. Diversitas yang dimaksud meliputi diversitas latar belakang masing-masing dewan direksi dan diversitas kuantitas pada dewan direksi. Diversitas latar belakang meliputi riwayat pendidikan dan rata-rata pengalaman kerja yang dimiliki dewan direksi, sedangkan diversitas kuantitas memuat jenis kelamin dewan direksi, jumlah dewan direksi, jumlah dewan direksi independen, dan jumlah rapat direksi. Penelitian dengan menggunakan metode Ordinary Least Square (OLS) pada data panel ini menghasilkan temuan yang menegaskan bahwa diversitas pada dewan direksi secara simultan tidak berpengaruh secara signifikan terhadap risiko penurunan harga saham (stock price crash risk). Signifikansi risiko penurunan harga saham (stock price crash risk) dengan variabel bebas hanya ditemukan pada kualitas riwayat pendidikan dewan direksi dan rata-rata pengalaman kerja dewan direksi pada suatu perusahaan

---

This thesis aims to determine the impact of board diversity on energy and mining

firms at emerging countries in South East Asia to each firm’s stock price crash risk

in 2015-2019. The diversity in this thesis includes the board’s background diversity

and the board’s quantity diversity. Board’s background diversity mainly refers to

education background and the tenure of the board while the board’s quantity

diversity refers to gender of the board, board size, independent board’s size, and the

amount of board meeting held each year. This research applied cross sectional data

panel of Ordinary Least Square (OLS) to obtain its final data. The result of this

research concludes that board diversity simultaneously does not influence the stock

price crash risk. The significance of the influence of the independent variable on

the dependent variable only viably found on the quality of board’s education

background and board’s average tenure of the firm."

"Investor membutuhkan suatu model matematis yang dapat digunakan untuk memprediksi perubahan harga saham pada masa mendatang. Salah satu model yang sering digunakan oleh analis dalam memprediksi pergerakan harga saham adalah model runtun waktu. Model local level merupakan salah model runtun waktu dengan tujuan untuk mendapatkan karakteristik nilai komponen unobserved dari data observasi. Filter Kalman merupakan algoritma rekursif yang bertujuan menghitung komponen unobserved dengan variansi minimum dari suatu himpunan data. Skripsi ini membahas bagaimana mengestimasi solusi dan meramal data pada model local level menggunakan Filter Kalman. Implementasi menggunakan data harga saham historis bank BCA pada http://finance.yahoo.com/. menunjukkan bahwa hasil peramalan kurang baik. Peramalan yang kurang baik disebabkan karakteristik pergerakan harga saham bulanan yang digunakan.

---

Investor needs a mathematical model to forecast future stock price changes. One of the mostly used models by stock analists to predict stock price movement is time series model. Local level model is one of the time series model which its goal is to obtain unobserved component characteristic from observation. Filter Kalman is a recursive algorithm to compute the unobserved component with the minimum variance from a set of past observations.

This scription shows how to estimate solution and forecast stock price in local level model by applying Kalman Filter. Implementation using BCA?s stock price at http://finance.yahoo.com/. show that estimation is very good and forecasting is less good. It is because the characteristic of stock price movement which was used."

"Peramalan merupakan hal yang sangat penting dalam segala bidang, baik dalam menjalankan usaha maupun dalam penelitian. Semakin lama, semakin banyak metode-metode peramalan yang dikembangkan dalam memenuhi kebutuhan dalam meramal. Walau pengembangan metode peramalan semakin lama semakin maju, satu hal yang pasti adalah, tidak akan pernah ada metode peramalan yang dapat meramal secara tepat, peristiwa yang akan terjadi. Dari beberapa peramalan yang ada, ada beberapa metode yang banyak digunakan secara luas, baik dalam bisnis maupun dalam kehidupan sehari-hari. Peramalan tersebut antara lain adalah metode Regressi, metode Arima dan metode Winter. Tesis ini mencoba untuk menemukan dari ketiga metode yang disebut diatas, mana diantara ketiga metode ini lebih baik bila diterapkan pada peramalan harga saham di bursa efek. Peramalan dilakukan dengan mengunakan harga saham beberapa perusahaan tertentu yang terdaftar di BEJ sejak tahun 1989, dan memenuhi syarat-syarat yang telah ditentukan agar harga saham dan perusahaan yang diramal terbebas dari faktor-faktor yang bersifat subjektif. Setelah dilakukan peramalan, dan dengan mengunakan MSD (mean square deviation) sebagai alat untuk membandingkan antara ketiga metode tersebut, serta mempertimbangkan kelemahan dan kelebihan dari setiap metode dan juga daam proses pengumputan data, ditemukan bahwa metode ARIMA, lebih baik dibanding dengan 2 metode lainnya. Metode ARIMA bukan tanpa kelemahan. Kelemahan utama adalah kesulitan untuk menentukan tingkat kepercayaan (r2). r2 tidak dapat ditentukan di awal analisa, tapi merupakan hasil yang didapat dari model yang ditemukan."

"Runtun waktu adalah salah satu data yang paling umum dan banyak dijumpai di kehidupan sehari-hari. Runtun waktu dianalisis dengan dua tujuan utama, yaitu untuk memodelkan mekanisme stokastik dari runtun waktu tersebut dan untuk melakukan peramalan. Untuk keperluan dua tujuan tersebut, banyak model runtun waktu yang telah dikembangkan, salah satunya adalah model autoregressive moving average (ARMA). Model ARMA adalah model runtun waktu univariat yang cukup populer dan umum digunakan saat ini. Seiring berjalannya waktu, mulai dikembangkan model runtun waktu multivariat, yang dapat memodelkan runtun waktu dengan dua atau lebih variabel. Meng- gunakan model runtun waktu multivariat untuk memodelkan dua atau lebih variabel tentu lebih efektif dibandingkan memodelkannya satu per satu menggunakan model univariat. Selain itu, model runtun waktu multivariat juga dapat menjelaskan hubungan dinamis antarvariabel yang saling terkait. Dalam skripsi ini, akan dijelaskan versi multivariat dari model ARMA, yaitu model vector autoregressive moving average (VARMA), mulai dari karakteristiknya, spesifikasi model, penaksiran parameter, hingga melakukan pera- malan. Penaksiran parameter akan dilakukan dengan menggunakan metode conditional maximum likelihood. Model VARMA ini kemudian akan digunakan untuk melakukan peramalan dua variabel yang cukup berpengaruh dalam ekonomi makro, yaitu data harian indeks harga saham gabungan (IHSG) dan kurs mata uang rupiah terhadap dolar Amerika Serikat. Data tersebut juga akan dimodelkan menggunakan model ARMA(p,q) dan VAR(p). Model yang digunakan adalah model ARIMA(0,1,0) untuk data IHSG, model ARIMA(0,1,2) untuk data kurs rupiah, model VARI(3,1) dan model VARIMA(1,1,1). Menggunakan indikator mean absolute percentage error (MAPE), didapatkan hasil bahwa model VARI(3,1) memberikan hasil peramalan yang paling akurat.

---

Time series is one of the most common data and is often found in everyday life. The purpose of time series analysis is generally twofold: to understand or model the stochastic mechanism that gives rise to an observed series and to predict or forecast the future values of a series based on the history of that series and, possibly, other related series or factors. For the purposes of these two objectives, many time series models have been developed, the most popular one is autoregressive moving average (ARMA) model. The ARMA model is a univariate time series model that is quite popular and commonly used today. Over time, multivariate time series models have been developed, which can model time series with two or more variables. Using a multivariate time series model to model two or more variables is certainly more effective than modeling them one by one using a univariate model. In addition, the multivariate time series model can also explain the dynamic relationship between interrelated variables. In this undergraduate thesis, we will explain the multivariate version of the ARMA model, the vector autoregressive moving average (VARMA) model, starting from its characteristics, model specifications, param- eter estimation, to forecasting. Parameter estimation will be done using the conditional maximum likelihood method. Then, this VARMA model will be used to forecast two maroeconomics indicators: daily data of Indonesia Composite Index and the USD-IDR exchange rate. The data will also be modeled using the ARMA(p,q) and VAR(p) models. In chapter 4, the models used are ARIMA(0,1,0) model for Indonesia Composite Index data, ARIMA(0,1,2) model for USD-IDR exchange rate data, VARI(3,1) model and VARIMA(1,1,1) model. Using the mean absolute percentage error (MAPE) indicator, the results show that VARI(3,1) model provides the most accurate forecasting results."

"Prediksi harga saham memiliki manfaat terhadap investor untuk dapat melihat bagaimana investasi saham pada sebuah perusahaan di masa yang akan datang. Prediksi harga saham membantu para investor dalam pengambilan keputusan. Untuk melakukan prediksi harga saham digunakan pendekatan analisis teknis dengan menggunakan metode ridge regresi dan kernel ridge regresi. Ridge regresi merupakan metode regresi yang dapat mengatasi terjadinya masalah multikolinieritas. Kernel ridge regresi merupakan kombinasi antara metode kernel dan ridge regresi dengan memetakan input data ke ruang yang berdimensi lebih tinggi. Pada skripsi ini, diimplementasikan metode ridge regresi dan kernel ridge regresi untuk memprediksi harga saham dengan variabel-variabel regresornya merupakan nilai harga saham pada k-hari sebelumnya. Hasil implementasi pada data yang digunakan dalam skripsi ini menunjukkan bahwa metode kernel ridge regresi memberikan tingkat akurasi rata-rata yang lebih baik dibandingkan metode ridge regresi.

---

Prediction of stock prices has benefits for investors to be able to see how the stock investment in a company in the future. Prediction of stock prices help investors in making decisions. Prediction of stock price used technical analysis approach using kernel ridge regression and ridge regression. Ridge regression is a regression method that can solve the multicollinearity problem. Kernel ridge regression is a combination of ridge regression and kernel methods to map the input data into a higher dimensional space. In this skripsi, the method is implemented to predict the stock price which is the variables regressors based on a value stock price on the previous day. The result of implementation, in this skripsi, indicates that kernel ridge regression method better than ridge regression method."

"Salah satu hal penting yang harus dipertimbangkan oleh perusahaan yang akan menawarkan sahamnya kepada masyarakat adalah penentuan harga saham perdana. Berdasarkan keputusan Ketua BAPEPAM No. KEP-01/PM/1988 tanggal 22 Pebruari 1988 pasal 11, disebutkan bahwa harga saham perdana ditetapkan berdasarkan kesepakatan bersama antara emiten dan penjamin emisi. Harga saham tersebut haruslah merupakan harga yang wajar, artinya bahwa harga saham tersebut sesuai dengan kondisi keuangan dan prospek usaha yang dimiliki perusahaan dan dapat diterima oleh para calon penanam modal.Pembicaraan mengenai harga sebuah saham juga menyangkut perkiraan prestasi perusahaan di masa mendatang yang dinilai dari kinerja keuangan selama waktu tak terhingga, yang dapat diamati dari laporan keuangan yang dikeluarkan secara periodik. Dalam penulisan karya akhir ini, penulis rnencoba menganalisis kinerja keuangan dan menghitung harga wajar saham perdana PT. Pembangunan Jaya Ancol, Tbk dengan menggunakan Iaporan keuangan selama periode tahun 1999-2003. Dalam melakukan penilaian fair price dari PT. Pembangunan Jaya Ancol, Tbk. penulis menggunakan metode Free Cash Flow to Equity Model dan P/E Multiple Model.Dalam Penawaran Umum Perdana Saham, PT. Pembangunan Jaya Ancal, Tbk. perkiraan harga saham perusahaan dilakukan dengan analisis internal perusahaan yang meliputi kinerja yang telah dicapai perusahaan, strategi yang akan dikembangkan perusahaan di masa mendatang. Hasil perhitungan yang diperoleh dari metode Free Cash Flow to Equity constant growth model memperlihatkan harga wajarnya sebesar Rp. 913,00, sedangkan two stage model memperlihatkan harga wajarnya sebesar Rp. 991,00.Hasil perhitungan metode P/E Multiple Model yang berdasarkan acuan PT. Ciputra Development memperlihatkan harga wajamya sebesar Rp. 637, 00. P/E Multiple model yang menggunakan acuan PIE Industri menghasilkan harga wajar sebesar Rp. 1070,00.Dengan menghitung rata-rata harga saham berdasarkan keempat perhitungan diatas maka harga wajarnya adalah sebesar Rp. 903,00: Dengan membandingkan harga saham perdana yang ditawarkan sebesar Rp. 1.025 dengan harga rata-rata tersebut, maka harga saham perdana yang ditawarkan PT. Pembangunan Jaya AncoI, Tbk dapat dikatakan overvalued.

---

One of the important factors that must be considered by a company when offering its share to public is determining the initial price. According to Keputusan Ketua BAPEPAM No. KEP-01IPM/1988 February 22, 1988 pasal 11 (government regulation), the initial price should be based on the agreement between the company and Effect Guaranteed Company. The share price must be a fair price. This suggests that it must be based on financial conditions, the company's ability to grow in the future and accepted by the investor.Share price also involves a prediction on the company's performance in the future. The performance counted till infinite time and could be kept track from financial report periodically. In this thesis, the writer attempts to analyze the financial performance of PT. Pembangunan Jaya Ancol, Tbk and calculate the fair price for its initial public offering using its financial report from 1999 to 2003. Two methods were used to valuate the fair price for PT. Pembangunan Jaya Ancol, Tbk, i.e. free Cash Flow to Equity Model and PIE Multiple Model.In the Initial Public Offering stage, PT. Pembangunan Jaya Ancol, Tbk estimated their share price using an Internal Analysis which includes the company's performance and the strategy applied for the future.Free Cash Flow to Equity Constant Growth model indicated a fair price of Rp. 913,00 per share. Meanwhile two stage model indicated a fair price Rp. 991 00. PIE Multiple Model with reference from PT. Ciputra Development indicated a fair price of Rp. 637, 00. Whereas the result from PIE Multiple Model with reference Property and Real Estate Industry indicated a fair price of Rp. 1.070, 00.By using the average share price based on the above calculations, the fair price is Rp 903.00. If we compare the initial public offering, that is Rp 1.025 with the average price, we can conclude that PT. Pembangunan Jaya Ancol, Thk's IPO stock price is over valued."

"Penelitian ini menguji dampak pengumuman private placement terhadap harga saham dan volume perdagangan saham dengan melihat perbedaan abnormal return dan abnormal volume antara sebelum dan sesudah pengumuman private placement. Penelitian ini menggunakan metode studi peristiwa dan menggunakan model pasar dalam menentukan abnormal return. Studi peristiwa dilakukan selama 15 hari sebelum dan 15 hari sesudah pengumuman. Penelitian menggunakan sampel perusahaan yang terdaftar di Bursa Efek Indonesia periode 2010-2016 yang melakukan private placement sebanyak 37 perusahaan. Analisis dilakukan dengan menggunakan uji t satu sampel dan uji t berpasangan. Penelitian ini menemukan bahwa tidak terdapat perbedaan yang signifikan pada abnormal return sebelum dan sesudah pengumuman private placement; dan terdapat perbedaan yang signifikan pada volume perdagangan sebelum dan sesudah pengumuman private placement.

---

This study examines the impact of the private placement announcement on stock price and stock trading volume by finding the difference of abnormal return and abnormal volume before and after the private placement announced. This study uses the event study method and using the market model in determining the abnormal return. The event study was conducted during 15 days before and 15 days after the announcement. The study used sample companies listed in Indonesia Stock Exchange 2010 2016 period that does private placement of 37 companies. The analysis was performed by using one sample t test and paired t test. The result indicates that there are no significant differences in abnormal returns before and after the private placement announcement and there are significant differences in trading volume before and after the private placement announcement. "

"ABSTRAKPenelitian ini mengembangkan permodelan gelembung harga saham rasional dan irasional menggunakan model state-space dengan markov switching. Gelembung harga saham merupakan unobserved variable yang dapat ditentukan dengan pendekatan teori ekspektasi rasional dimana dalam penelitian ini gelembung harga saham ditentukan oleh informasi ekstraneus yang terdiri dari faktor eksternal dow jones Index dan Hangseng Index dan faktor internal faktor politik dan keamanan . Untuk menganalisis unobserved variable tersebut digunakan model state-space yaitu Kalman Filter. Selain itu gelembung harga saham dapat megalami perubahan struktural yang juga bersifat unobserved yaitu adanya gelembung harga saham irasional. Dikarenakan gelembung irasional juga bersifat unobserved maka digunakan model markov switching.Untuk melihat bagaimana model state space dengan markow switching bekerja, penelitian ini menerapkan model tersebut pada data harga saham Indonesia periode Januari 1989 hingga Desember 2013. Hasil estimasi model menunjukan bahwa DJIA berpengaruh positif signifikan terhadap gelembung harga saham di Indonesia, sedangkan HSI tidak berpengaruh signifikan. Dari faktor internal, faktor politik berpengaruh negatif signifikan terhadap gelembung harga saham di Indonesia, sedangkan faktor keamanan tidak berpengaruh signifikan. Dengan permodelan ini, gelembung harga saham rasional dan irasional dapat di identifikasi di pasar modal Indonesia namun gelembung harga saham tidak terjadi setiap tahun selama periode penelitian.

---

ABSTRACTThis paper develops a model of rational and irrational stock price bubbles using State Space Model with Markov Switching. Stock price bubbles are the unobserved variables that can be determined with rational expectations theory approach, which in this study is determined by stock price bubbles extraneous information consisting of external factors Dow Jones Index and the Hang Seng Index and internal factors political and security factors . A state space model, Kalman filter, is used to analyze this unobserved variables. Stock price bubbles may undergo structural changes that are also unobserved, namely the irrational stock price bubble. Thus, due to this unobserved nature, the Markov switching model is used to analyze this unobserved structural changes. To see how the model state space with Markov switching works, this study applies the model to the Indonesian stock price data from the period of January 1989 to December 2013. The result of the model estimation shows that the external factor, DJIA has significant positive effects, whereas HSI has no significant effect on the stock price bubble in Indonesia. The result from internal factors shows that a political factor has significant negative effect, whereas the safety factor has no significant effect on the stock price bubble in Indonesia. Furthermore, this model could help identify the rational and irrational stock price bubble in the Indonesian stock market, nonetheless, this stock price bubbles do not occur every year during the study period."