Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini membahas anomali pasar Day of the Week Effect yang terjadi pada pasar valuta asing Indonesia periode 2001-2007. Return harian terhadap Rupiah dari tujuh (7) nilai tukar mata uang asing yang paling likuid digunakan dalam penelitian, yaitu Australian Dollar (AUD), Canadian Dollar (CAD), Swiss Franc (CHF), Euro (EUR), British Pound (GBP), Japanese Yen (JPY) dan US Dollar (USD). Data dianalisis meng gunakan analisis regresi berganda variabe dummy dan hasil analisis tersebut menunjukkan bahwa tidak ada Day of the Week Effect pada pasar valuta asing Indonesia di periode tersebut. Lebih spesifik, ter nyata Day of the Week Effect terjadi pada bulan tertentu. Hasil ini konsisten dengan penelitian sebelumnya dari anomali ini baik pada pasar valuta asing maupun pasar saham. Dari hasil ini dapat ditarik kesimpulan dan beberapa implikasi manajerial.

---

This thesis examines market anomaly the Day of the Week Effect existed in Indonesia foreign exchange market for period 2001-2007. The daily return against Rupiah of the 7 most liquid foreign exchange rates are used in this research, those are Australian Dollar (AUD), Canadian Dollar (CAD), Swiss Franc (CHF), Euro (EUR), British Pound (GBP), Japanese Yen (JPY), and US Dollar (USD). The data collected was analyzed using multiple regression analysis of dummy variables and the results showed that no Day of the Week Effect in Inodnesia foreign exchange market on that period. Specifically, the Day of the Week Effect exist on certain months. This latter result is consistent with previous studies on anomalies either in the foreign exchange markets or the stock markets. Further discussions and managerial implications can be derived from these results."

"Selama bertahun-tahun, Foreign Exchange Market (FXM), telah mengalami beberapa perubahan besar. Perubahan ini meliputi perkembangan institusi, dan juga perkembangan teknologi. Perubahan tersebut membawa dampak yang signifikan dalam berbagai dimensi market, seperti cara trading, kompetisi, size of the market, dan efisiensi pasar. Oleh karena itu sangatlah penting untuk mengikuti perkemhangan dalam lingkungan pasar valuta asing. Perkembangan yang terpenting dalam FXM selama bertahun-tahun adalah evolusi dari independent cross market dimana nori-dollar rates ditentukan oleh kekuatan free supply dan demand. Evolusi ini memberikan lebih banyak produk dan peluang bagi trader sehingga volume trading dalam pasar meningkat. Evoulusi terbaru dalam independent cross market, digabung dengan perkembangan teknologi dalam computerized trading, menandai awal era baru dari Foreign Exchange Market. Triangular Arbitrage yang dahulu hanya sekedar teori, sekarang menjadi prkatek yang umum bagi mereka yang mempunyai akses dana yang besar. Hal ini menggambarkan bagaimana proses konversi satu mata uang ke mata uang yang lainnya, dan ditukar lagi kedalam bentuk mata uang yang lainnya, kemudian dikembalikan lagi dalam bentuk mata uang awal mcmberikan keuntungan yang tak terduga. Risk-free profit bisa didapatkan dengan mengambil keuntungan dari perbedaan harga (price dispcrepancies) mata liang dalam pasar yang berbeda. Karya Akhir ini memberikan gambaran teori dari Triangular Arbitrage dan review secara komprehensive mengenai Foreign Exchange Computerized Trading. Kemudian juga selain teori, Karya Akhir ini memberikan metode dalam menguji dan triangular arbitrage dalam lima mata uang utama berdasarkan informasi empirik yang disebut dengan direct and precise test. Pendekatan 1111 berguna untuk menguJI inefisiensi dalam FXM sehingga mengimplikasikan tersedianya risk-free profit. Trader dapat menggunakan peluang ini untuk lebih memfokuskan diri pada pasar yang memberikan peluang profit paling besar."

"Kurs valuta asing (valas) berlangsung hampir tiap jam, sehingga mengakibatkan nilai aktiva dan kewajiban valas maupun mata uang domestic bank atau perusahaan juga berfluktuasi. Fluktuasi kurs tersebut merupakan salah satu risiko valas yang sangat mempengaruhi nilai bank atau perusahaan secara keseluruhan.Untuk mengatasi risiko valas atau setidak-tidaknya mengurangi risiko valas disebut sebagai hedging valuta asing (foreign exchange hedging). Untuk melakukan hedging diperlukan langkah-langkah hedging yang strategis untuk memperoleh teknik hedging yang tepat pakai. Strategi hedging perlu ditunjang teknik-teknik hedging yang telah ada dalam pasar valas untuk menciptakan teknik hedging yang inovatif dan tepat guna.Langkah-langkah dalam melakukan hedging valas harus memiliki patokan yang akan menjadi panduan bagi hedger (orang/tim yang melakukan hedging) atau pengambil keputusan dalam bank atau perusahaan. Langkahlangkah manajerial apakab yang ada dalam strategi hedging?"

"

Meskipun teknologi telah mempengaruhi hampir semua aspek industri finansial, penelitian yang terfokus pada penggunaan teknologi pemrosesan teks dan analisis sentimen dalam konteks prediksi harga saham masih belum banyak dilakukan. Manfaat dan potensi dari penelitian semacam ini memiliki pengaruh yang tinggi, terutama karena analisis sentimen telah menjadi komponen yang penting dalam memprediksi tren pasar saham. Dalam penelitian ini, penulis mengusulkan penerapan metode feature engineering dalam memprediksi harga saham dengan memanfaatkan hasil analisis sentimen menggunakan FinBERT, lalu hasilnya akan dijadikan fitur oleh model BiLSTM. FinBERT adalah model berbasis BERT yang telah dilatih khusus untuk memproses dan menginterpretasi teks keuangan, sementara BiLSTM adalah arsitektur jaringan saraf berulang yang mampu mengatasi masalah yang ada pada jaringan saraf berulang standar seperti vanishing gradient dan efektif dalam mengolah data sekuensial. Penelitian ini menggabungkan kedua teknik ini untuk menciptakan model yang mampu memprediksi pergerakan harga saham berdasarkan analisis sentimen berita keuangan dengan nilai rata-rata MSE yang lebih rendah. Feature engineering digunakan dalam penelitian ini untuk mengekstrak dan mengolah informasi yang relevan dari dataset oleh model FinBERT untuk digunakan pada model BiLSTM. Dengan menggunakan metode feature engineering, ditemukan bahwa model BiLSTM yang menggunakan fitur sentimen analisis memiliki performa tertinggi dengan memiliki rata-rata nilai MSE terkecil dalam memprediksi tujuh saham yang memiliki karakteristik berbeda dengan nilai 3.43, nilai tersebut merupakan rata-rata terkecil dibandingkan tiga model lain dalam penelitian ini seperti LSTM dengan nilai MSE 4.04, Random Forest dengan nilai MSE 9.77, dan SVM dengan nilai MSE 12.56. Selanjutnya, proses optimisasi model BiLSTM menggunakan Optuna ditemukan nilai hyperparameter terbaik dalam menghadapi tujuh jenis saham yang berbeda, sehingga model mampu memprediksi lebih akurat dengan penurunan rata-rata nilai MSE hingga 40.55%. Sebagai bentuk validasi akhir pada penelitian ini telah dilakukan uji fold untuk mendapatkan model yang tidak overfitting dan memiliki rata-rata nilai MSE terkecil dengan variasi nilai hyperparameter batch size. Ditemukan batch size 16 merupakan ukuran paling optimal untuk tipe data NVDA,XOM dan TSLA dengan rata-rata MSE terkecil 0.64, 0.35, 0.05 sedangkan batch size 24 merupakan ukuran paling optimal untuk tipe data saham AAPL, AMZN, GOOG dan GOOGL dengan rata-rata MSE terkecil 0.028, 0.02, 0.03, 0.04, dan 0.03. Dalam menggunakan fitur sentimen analisis berhasil membuktikan menurunkan nilai MSE pada masing-masing jenis saham hingga rata-rata penurunan nilai MSE mencapai 33.10% dari semua jenis variasi data saham tanpa menggunakan fitur sentimen.

---

Although technology has influenced nearly all aspects of the financial industry, there is still a lack of research focusing on the use of text processing technology and sentiment analysis in the context of stock price prediction. The benefits and potential of such research are significant, especially as sentiment analysis has become a crucial component in predicting stock market trends. In this study, the authors propose the application of feature engineering to predict stock prices by utilizing sentiment analysis results using FinBERT, which are then used as features by the BiLSTM model. FinBERT is a BERT-based model specifically trained to process and interpret financial text, while BiLSTM is a recurrent neural network architecture capable of overcoming problems inherent in standard recurrent neural networks, such as the vanishing gradient, and is effective in processing sequential data. This study combines these two techniques to create a model capable of predicting stock price movements based on sentiment analysis of financial news with a lower average MSE value. Feature engineering is used in this study to extract and process relevant information from the dataset by the FinBERT model to be used in the BiLSTM model. By using feature engineering, it was found that the BiLSTM model using sentiment analysis features has the highest performance, having the lowest average MSE value in predicting seven stocks with different characteristics, with a value of 3.43, which is the smallest average compared to the three other models in this study, such as LSTM with an MSE value of 4.04, Random Forest with an MSE value of 9.77, and SVM with an MSE value of 12.56. Furthermore, the optimization process of the BiLSTM model using Optuna found the best hyperparameters in dealing with seven different types of stocks, enabling the model to predict more accurately with an average reduction in MSE value up to 40.55%. As a final form of validation in this study, a fold test was conducted to obtain a model that is not overfitting and has the smallest average MSE value with variations in hyperparameter batch size values. It was found that a batch size of 16 is the most optimal size for NVDA, XOM, and TSLA data types with the smallest average MSE of 0.64, 0.35, 0.05, while a batch size of 24 is the most optimal size for AAPL, AMZN, GOOG, and GOOGL stock data types with the smallest average MSE of 0.028, 0.02, 0.03, 0.04, and 0.03. Using sentiment analysis features proved to reduce the MSE value for each type of stock to an average reduction in MSE value reaching 33.10% from all types of stock data variations without using sentiment features

"

"Dengan perkembangan pasar uang yang pesat, banyak pihakyang berusaha mengambil keuntungan sesaat dari selisih kurs suatu mata uang yang sedang bergejolak relatif terhadap mata uang yang lain. Pengamatan terhadap kurs mata uang di pasar uang dapat dilakukan setiap detik melalui media telekomunikasi, misalnya Reuter, Telerate. Gejolak kurs mata uang terutama disebabkan oleh beberapa faktor, yaitu persepsi pedagang valas dan adanya berita perubahan ekonomi, politik, bahkan perang. Faktor-faktor ini akan membuat kurs suatu mata uang bergejolak untuk jangka waktu yang pendek atau bahkan untuk jangka waktu yang panjang, bila diikuti oleh perubahan fundamental ekonomi. Berdasarkan pengamatan langaung yang dilakukan dibeberapa pusat perdagangan valas di Jakarta, studi ini mengadakan analiasa data nilai tukar valas selama tahun 1990 untuk empat mata uang yang dipasarkan di pasar uang dunia, yaitu: CRF (Swiss France), GBP (Pound Sterling), DM (Mark German), dan Yen, semuanya relatif terhadap USD (US Dollar). Pengamatan didasarkan atas harga tukar valas saat pasar dibuka (opening Market) setiap hari. Dari analisa data dilakukan secara kualitatif atas dasar pengamatan bulanan dengan meninjau aspek umum, teknis, dan fundamental yang menentukan kurs valas. Pendekatan moving average dilakukan dalam beberapa tingkat. Dari analisa diketahui bahwa pada saat moving averagetingkat 3 dan 7 bertemu maka akan diikuti oleh pembalikan arah dan nilai kurs valas. Pembelian atau penujalan suatu valuta asing dilakukan berdasarkan jenis mata uang yang dimiliki pada saat teradi pembalikan arah, sehingga dapat diperoleh keuntungan. Tingkat 3 dan 7 dipilih karena kurva moving average tingkat 3 biasanya berperilaku serupa denga kurva nilai tukar valas yang sebenarnya. Sedangkan kurva moving average tingkat 7 merupakan bentuk penghalusan kurva nilai tukar valas yang lebih cenderung mendahului arah kurva ke garis horisontal. Kedua kombinasi moving average? tingkat 3 dan 7 merupakan kombinasi yang baik untuk melihat kecenderungan kurva nilai tukar dalam kurun waktu satu minggu. Selanjutnya, andaikan kedua kurva moving averagetingkat 3 dan 7 sejajar dengan kurva nilai tukar sebenarnya pada umumnya arah gerakan nilai tukar akan terus searah sampai suatu saat bila kedua kurva moving average saling mendekat dan berpotongan maka akan terjadi pembalikan arah. Jikalau kedua kurva moving average saling berpotongan satu dengan yang lain dalam waktu yang singkat, saat-saat tersebut kurang menguntungkan untuk mengadakan transaksi, baik untuk membeli ataupun menjual. Keadaan pasar yang stabil dengan kurva moving average yang tidak terlalu berfluktuasi dalam waktu beberapa hari, merupakan keadaan yang baik untuk memasuki pasar. Tindakan membeli atau menjual tergantung jenis mata uang yang dimiliki atau mata uang yang hendak dibeli. Hasil temuan di atas tentu masih perlu dilengkapi lagidengan pengujian lebih lanjut dalam praktek sehingga model ekspektasi dan temuan ini dapat lebih akurat untuk menentukan ekspektasi kurs suatu mata uang."

"Penelitian ini bertujuan untuk menganalisis ada tidaknya volatility spillover antara harga minyak dengan lima saham sektoral, yaitu sektor basic material, sektor financial, sektor consumer service, sektor telecommunication, dan sektor oil & gas. Penelitian ini dirancang untuk melihat volatility spillover tersebut di Indonesia, Singapura, Korea, dna Hongkong. Selain itu, penelitian ini juga ingin melihat keterkaitan antar pasar saham di Indonesia, Singapura, Korea, dan Hongkong. Model penelitian ini menggunakan model multivariate BEKK GARCH yang dikembangkan oleh Kroner dan Engle(1995).

---

This research is conducted to analyzing the volatility transmission between crude oil five stock sector, which are basic material, financial, consumer service, telecommunication, and oil & gas. This research take a sample of volatility transmission in Indonesia, Singapura, Korea, and Hong Kong. This research also want to know market interdependence between those four country. I use model multivariate BEKK GARCH which developed by Kroner and Engle (1990)."