Prediksi Return Saham Perbankan Dengan Metode Lstm Dan Estimasi Value at Risk Dengan Copula Ali-Mikhail-Haq Menggunakan Korelasi Kendall's Tau

Mahendra, Diva Ryan (2024) Prediksi Return Saham Perbankan Dengan Metode Lstm Dan Estimasi Value at Risk Dengan Copula Ali-Mikhail-Haq Menggunakan Korelasi Kendall's Tau. Other thesis, Institut Teknologi Sepuluh Nopember.

Text BUKUTA_5006201097_Diva Ryan Mahendra.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Prediksi return saham dan estimasi Value at Risk (VaR) adalah hal yang penting dalam pengelolaan portofolio investasi. Metode LSTM telah menunjukkan potensi untuk prediksi harga saham yang akurat, sementara Copula Ali-Mikhail-Haq dengan korelasi Kendall's Tau digunakan untuk mengatasi distribusi non-normal dalam estimasi VaR. Penelitian ini bertujuan untuk menerapkan metode LSTM dalam prediksi return saham periode 2021-2023 dan estimasi VaR menggunakan Copula Ali-Mikhail-Haq dengan korelasi Kendall's Tau pada saham perbankan. Berdasarkan hasil penelitian, metode LSTM menunjukkan model terbaik untuk saham BMRI dengan konfigurasi 100 epoch, 64 unit, dan dropout sebesar 0,1 serta menghasilkan MAE sebesar 0,0174. Sedangkan untuk saham BBRI, model terbaik memiliki konfigurasi yang sama tetapi dengan dropout sebesar 0,2 menghasilkan MAE sebesar 0,0222. Secara keseluruhan, model LSTM menunjukkan kemampuan yang baik dalam memprediksi harga dan return saham. Dalam estimasi VaR, diperoleh koefisien Kendall's Tau sebesar 0,0676 dan estimasi parameter Copula Ali-Mikhail-Haq sebesar 0,281. Estimasi VaR portofolio saham pada tingkat kepercayaan 99%, 95%, dan 90% berturut-turut adalah -0,03001060; -0,01875786; dan -0,01350327. Hasil analisis ini memberikan pemahaman yang lebih baik tentang prediksi return saham menggunakan LSTM dan estimasi VaR menggunakan Copula Ali-Mikhail-Haq.
=================================================================================================================================
Stock return prediction and Value at Risk (VaR) estimation are important in investment portfolio management. The LSTM method has shown potential for stock price prediction, while the Ali-Mikhail-Haq Copula with Kendall's Tau correlation is used to overcome non-normal distributions in VaR estimation. This study aims to apply the LSTM method in predicting stock returns for the 2021-2023 period and VaR estimation using Copula Ali-Mikhail-Haq with Kendall's Tau correlation on banking stocks. Based on the research, the LSTM method shows the best model for BMRI shares with a configuration of 100 epochs, 64 units, and a dropout of 0.1 and produces an MAE of 0.0174. As for BBRI stocks, the best model with same configuration but the dropout is 0.2 resulting in an MAE of 0.0222. Overall, the LSTM model shows a good ability to predict stock prices and returns. In estimating VaR, the Kendall's Tau coefficient is 0.0676 and the Copula Ali-Mikhail-Haq estimation parameter is 0.281. The estimated VaR of the stock portfolio at the 99%, 95%, and 90% confidence levels are - 0,03001060; -0,01875786; dan -0,01350327 respectively. The results of this analysis provide a better understanding of stock return prediction using LSTM and VaR estimation using AliMikhail-Haq Copula.

Item Type:	Thesis (Other)
Additional Information:	RSAk 332.601 DIV p 2024
Uncontrolled Keywords:	Copula Ali-Mikhail-Haq, Kendall’s Tau, LSTM, Saham, Stock, Value at Risk.
Subjects:	Q Science Q Science > Q Science (General) Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Diva Ryan Mahendra
Date Deposited:	30 Jul 2024 08:36
Last Modified:	26 Nov 2024 07:18
URI:	http://repository.its.ac.id/id/eprint/108905

Actions (login required)

View Item