Analisis Volatilitas Cryptocurrency Menggunakan Metode Autoregressive Integrated Moving Average-Generalized Autoregressive Conditional Heteroschedasticity (ARIMA-GARCH)

Hasiando, Jeremy Brasil (2023) Analisis Volatilitas Cryptocurrency Menggunakan Metode Autoregressive Integrated Moving Average-Generalized Autoregressive Conditional Heteroschedasticity (ARIMA-GARCH). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06311940000082-Undergraduate_Thesis.pdf Restricted to Repository staff only until 3 October 2025. Download (1MB) | Request a copy

Abstract

Investasi merupakan komitmen atas sejumlah dana yang dilakukan saat ini untuk diperoleh keuntungannya di masa depan. Saat ini jenis investasi yang popular adalah cryptocurrency.Mata uang kripto merupakan serangkaian kode kriptografi yang dibentuk sedemikian rupa agar disimpan dalam perangkat komputer dan dapat dipindah tangankan seperti surat elektronik dan dimungkinkan untuk digunakan sebagai alat pembayaran dan juga cryptocurrency merupakan instrument investasi dengan tingkat risiko yang besar namun juga memiliki tingkat pengembalian yang juga besar. Hal tersebut sejalan dengan teori hubungan tingkat risiko dan pengembalian. Analisis volatilitas mampu membantu investor dalam mengenali tingkat resiko. Selain itu, analisis volatilitas berguna dalam pembentukan harga, pembentukan portofolio dan manajemen resiko. Dengan begitu analisis volatilitas mampu
membantu investor dalam mengambil sebuah keputusan. Analisis volatilitas akan diuji dengan menggunakan Value at Risk dan Metode ARIMA-GARCH, karena sistem kerangka kerja dari ARIMA-GARCH di rasa sangat cocok untuk digunakan. ARIMA-GARCH biasa digunakan dalam analisis seperti tingkat pengembalian dan volatilitas. Kerangka kerja ARIMA-GARCH dapat memberikan sesuatu yang sensitif terhadap aset yang akan diukur, seperti dalam penelitian ini adalah cryptocurrency khususnya Bitcoin,Tether, dan Ethereum.Sehingga pada penelitian ini dilakukan analisis volatilitas data crypto menggunakan Metode ARIMA-GARCH. Data yang digunakan pada penelitian ini adalah crypto dari situs yahoo finance pada periode 01 Januari 2022 – 01 Januari 2023. Sehingga dengan adanya hasil analisis risiko yang dilakukan melalui metode-metode yang dipilih, dapat menjadi gambaran bagi investor dalam berinvestasi di kemudian hari.
============================================================================================================================
Investment is a commitment of funds made now in order to reap the benefits in the future. Cryptocurrency is a series of cryptographic codes that are formed in such a way as to be stored on a computer device and can be transferred like electronic mail and may be used as a means of payment and also cryptocurrency is an investment instrument with a large level of risk but also has a large rate of return. Volatility analysis can help investors recognise the level of risk. In addition, volatility analysis is useful in price formation, portfolio formation and risk management. That way volatility analysis is able to help investors in making a decision. Volatility analysis will be tested using Value at Risk and the GARCH method, because the framework system of GARCH is very suitable for use. GARCH is commonly used in analyses such as returns and volatility. The GARCH framework can provide something that is sensitive to the assets to be measured, as in this study is cryptocurrency, especially Bitcoin, Tether, and Ethereum.So in this study, an analysis of crypto data volatility using the GARCH Method was
carried out.The data used in this study is crypto from the yahoo finance site in the period 01 January 2022 - 01 January 2023. So that with the results of the risk analysis carried out through the selected methods, it can be an illustration for investors in investing in the future

Item Type:	Thesis (Other)
Uncontrolled Keywords:	ARIMA-GARCH Model, Cryptocurrency, Value at Risk, Volatility, ARIMA-GARCH Model , Cryptocurrency, Value at Risk, Volatilitas
Subjects:	Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry) Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions:	Faculty of Mathematics, Computation, and Data Science > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Jeremy Brasil Hasiando
Date Deposited:	01 Aug 2023 02:34
Last Modified:	01 Aug 2023 02:34
URI:	http://repository.its.ac.id/id/eprint/100812

Actions (login required)

View Item