Perbandingan Model Arch/Garch Dan Elman Recurrent Neural Network Pada Data Return Closing Price Saham

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

Text

Perbandingan Model Arch/Garch Dan Elman Recurrent Neural Network Pada Data Return Closing Price Saham

Vania Orva Nur Laily - Nama Orang;

ABSTRAK

Data runtun waktu dapat dimodelkan dengan model Autoregressive Intergrated Moving Average (ARIMA). Model ARIMA memerlukan asumsi homoskedastisitas. Tetapi pada sebagian besar data finansial, seperti data saham, memiliki fluktuasi yang tinggi sehingga variannya bersifat heteroskedastis. Untuk menyelesaikan masalah ini digunakan model Autoregressive Conditional Heteroscedasticity (ARCH) atau Generalized Autoregressive Conditional Heteroscedasticiy (GARCH). Salah satu model lain yang dapat digunakan yaitu model Elman Recurrent Neural Network (ERNN) yang merupakan model nonlinier. Tujuan dari penelitian adalah untuk menentukan model terbaik antara model ARCH/GARCH dengan model ERNN berdasarkan nilai MSE. Data yang digunakan adalah data return closing price harian saham BRI periode 1 Januari 2015 sampai 17 Februari 2017. Pada penelitian ini diperoleh model terbaik yaitu model GARCH (1,1).

Kata Kunci : Closing price saham, return, heteroskedastisitas, ARCH/GARCH, ERNN

ABSTRACT

Time series data can be modeled using the Autoregressive Intergrated Moving Average (ARIMA) model. ARIMA model requires the assumption of homoscedasticity. But on financial data, like stock data, has a high fluctuation so that the variant is heteroscedastic. To solve this problem, Autoregressive Conditional Heteroscedasticity (ARCH) or Generalized Autoregressive Conditional Heteroscedasticiy (GARCH) model is used. Another model that can be used is the Elman Recurrent Neural Network model (ERNN) which is a nonlinear model. The purpose of this research is to determine the best model between ARCH / GARCH model and ERNN model based on MSE value. The data used is the return of daily closing price of BRI stocks period of January 1st, 2015 to 17th February 2017. In this study, the best model obtained is GARCH (1,1)..

Keywords : Closing price of stock, return, heteroscedasticity, ARCH/GARCH, ERNN

Ketersediaan

604E17IV 604 E 17-iv Perpustakaan FSM Undip (Referensi) Tersedia

Informasi Detail

Judul Seri: STATISTIKA
No. Panggil: 604 E 17-iv
Penerbit: : ., 2017
Deskripsi Fisik: -
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: 1646
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: Fisiologi Tumbuhan
Info Detail Spesifik: -
Pernyataan Tanggungjawab: Vania Orva Nur Laily

Perbandingan Model Arch/Garch Dan Elman Recurrent Neural Network Pada Data Return Closing Price Saham

Ketersediaan

Informasi Detail

Versi lain/terkait

Lampiran Berkas

Komentar