Repository Institution TAZKIA

  • Home
  • Information
  • News
  • Help
  • Librarian
  • Member Area
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject ISBN/ISSN Advanced Search

Last search:

{{tmpObj[k].text}}
Image of Analisis komparatif model volatilitas garch, neural network, dan hibrida untuk mengestimasi value at-risk
Bookmark Share

Electronic Resource

Analisis komparatif model volatilitas garch, neural network, dan hibrida untuk mengestimasi value at-risk

Shiddiqi, Faris Azzam - Personal Name;

Investasi saham memiliki risiko yang tidak kecil, bahkan tergolong besar hingga
mengharuskan kita melakukan analisis sebelum berkecimpung dalam investasi di
pasar modal. Salah satu dari analisis tersebut adalah peramalan data saham untuk
mengukur risiko pasar. Value-at-Risk (VaR) adalah salah satu ukuran untuk
menilai risiko pasar saham. VaR berarti kemungkinan kerugian terburuk dari
suatu investasi pada periode waktu tertentu. Ada banyak cara menilai VaR, salah
satunya adalah dengan memodelkan volatilitas. Pemodelan volatilitas yang cukup
populer adalah Autoregressive Conditional Heteroscedasticity (ARCH). Juga,
umumnya pada data deret waktu keuangan teradapat heteroskedsatisitas bersyarat,
yang mana masalah tersebut dapat diselesaikan dengan model ARCH. Ada
banyak metode lain selain ARCH, Sebut saja seperti Historical Simulation, Risk
Metric, Monte Carlo, Neural Network (NN), dan lain-lain. Hal tersebut
memunculkan risiko baru, yaitu risiko model. Risiko model adalah risiko
dikarenakan analisis yang kita lakukan tidak menggunakan model yang terbaik.
Oleh karena itu, sudah sebaiknya kita mencari model terbaik. Dalam penelitian ini
kita mencari model terbaik dari tiga, yaitu ARCH/GARCH, NN dan Model
Hibrida antara NN dan ARCH/GARCH yang disebut Neuro-GARCH. Pemodelan
dilakukan dengan objek berupa data saham JII 2010-2014. Hasil dari penelitian ini
menyatakan bahwa Neuro-GARCH merupakan model paling unggul dengan nilai
Mean Squared Error (MSE) terkecil, diikuti oleh GARCH dan NN secara
berturut-turut. Dalam penelitian ini juga ditemukan, kelebihan kinerja prediksi
NN dibanding GARCH dalam cluster volatilitas tinggi atau saat strcutural breaks.


Availability
#
Local Content Ref. 332.6 Shi a
1115032
Available
Detail Information
Series Title
-
Call Number
Ref. 332.6 Shi a
Publisher
Bogor : IAI Tazkia., 2015
Collation
BMI
Language
Indonesia
ISBN/ISSN
NIM.1115032
Classification
3326
Content Type
-
Media Type
-
Carrier Type
-
Edition
-
Subject(s)
Value at Risk (VaR)
Specific Detail Info
-
Statement of Responsibility
Faris Azzam Shiddiqi
Other version/related

No other version available

File Attachment
  • 1115.032_Cover dan Persetujuan Pembimbing
  • 1115.032_Abstrak
  • 1115.032_Halaman Persetujuan Publikasi
  • 1115.032_Kata Pengantar
  • 1115.032_Daftar isi
  • 1115.032_BAB I Pendahuluan
  • 1115.032_BAB II Landasan Teori
  • 1115.032_BAB III Metode Penelitian
  • 1115.032_BAB IV Hasil dan Pembahasan
  • 1115.032_BAB V Penutup
  • 1115.032_Daftar Pustaka
Comments

You must be logged in to post a comment

Repository Institution TAZKIA
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2025 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search
Where do you want to share?