Analisis Klasifikasi Sovereign Rating Moody's Investor Services Menggunakan Metode Categorical Boost dengan SMOTE

Pramono, Rahandri (2024) Analisis Klasifikasi Sovereign Rating Moody's Investor Services Menggunakan Metode Categorical Boost dengan SMOTE. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5006201031-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (30MB) | Request a copy

Abstract

Berbicara mengenai berinvestasi, terdapat berbagai instrumen keuangan yang dapat diinvestasikan salah satunya adalah obligasi. Namun, Obligasi memiliki risiko default atau gagal bayar dimana penerbit tidak dapat memenuhi tanggung jawab secara finansial yang ada pada obligasi sesuai dengan persyaratan yang sudah ditetapkan. Obligasi umumnya dapat diterbitkan oleh perusahaan ataupun negara. Obligasi yang diterbitkan oleh negara dapat disebut sebagai government bond. Risiko default yang ada pada obligasi pemerintah dapat dikatakan dengan istilah sovereign default. Sovereign default merujuk pada situasi dimana suatu negara gagal dalam memenuhi kewajiban pembayaran hutangnya. Salah satu cara untuk melihat risiko dari sebuah obligasi pemerintah adalah dengan melihat sovereign rating dari negara yang menerbitkan obligasi tersebut. Penting bagi investor dan negara untuk memahami sovereign rating dalam mengelola risiko obligasi pemerintah, sehingga perlu dilakukan pengklasifikasian atau prediksi mengenai sovereign rating dari suatu negara. Pada penelitian ini, dilakukan analisis klasifikasi sovereign rating yang diterbitkan oleh lembaga pemeringkat Moody’s Investor Service ke kategori low risk, medium risk, dan high risk menggunakan metode Categorical Boost (CatBoost). Dalam melakukan klasifikasi, digunakan variabel prediktor GDP Growth, Nominal GDP, GDP per capita, Inflation Rate, Political Stability Index, Regulatory Quality Index, General Goverment Debt/GDP, dan External debt karena diduga berpengaruh terhadap penilaian sovereign rating. Untuk menangani kelas yang tidak seimbang digunakan penerapan teknik Synthetic Minority Oversampling Technique (SMOTE). Hasil penelitian mendapatkan model CatBoost setelah dilakukan SMOTE memberikan peningkatan nilai Macro F_1 score dari model CatBoost sebelum dilakukan SMOTE yaitu dari 79% menjadi 80%. Berdasarkan hasil metode interpretasi SHapley Additive eXplanations (SHAP), variabel Regulatory Quality Index dan GDP per Capita berpengaruh positif terhadap penilaian sovereign rating berkategori low risk.
====================================================================================================================================
In the realm of investments, there are various financial instruments that can be invested in, and one of them is bonds. However, bonds have a risk of default or failure to pay where the issuer cannot fulfill the bond’s financial responsibilities in accordance with the specified requirements. Bonds can be issued by companies or goverments. Bonds that issued by goverments are reffered to as goverment bonds. The default risk that exist in goverment bonds can be said to be called sovereign default. Sovereign default refers to a situation where a country fails to fulfill its debt payment obligations. It is important for investors and countries to understand the sovereign rating in terms of managing goverment bond risk, so it is necessary to classify or predict the sovereign rating of a country. In this research, an analysis of the classification of sovereign ratings published by the rating agency Moody's Investor Service into low risk, medium risk, and high risk categories using the Categorical Boost (CatBoost) method is conducted. In performing the classification, the predictor variables GDP Growth, Nominal GDP, GDP per capita, Inflation Rate, Political Stability Index, Regulatory Quality Index, General Government Debt/GDP, and External debt are used because they are expected to affect the sovereign rating. To handle imbalanced classes, the Synthetic Minority Oversampling Technique (SMOTE) was applied. The results showed that the CatBoost model after SMOTE gave an increase in the Macro F_1 score from the CatBoost model before SMOTE, from 79% to 80%. Based on the results of the SHapley Additive eXplanations (SHAP) interpretation method, the Regulatory Quality Index and GDP per Capita variables have a positive effect on the low risk category sovereign rating.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Categorical Boosting, Risiko, SHAP, SMOTE, Sovereign Rating, Categorical Boosting, Risk, SHAP, SMOTE, Sovereign Rating
Subjects:	H Social Sciences > HG Finance > HG4910 Investments Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Rahandri Pramono
Date Deposited:	19 Jul 2024 04:06
Last Modified:	19 Jul 2024 04:06
URI:	http://repository.its.ac.id/id/eprint/108466

Actions (login required)

View Item