Peramalan Harga Saham Individu dengan Model Geometric Fractional Brownian Motion-Fractional Ornstein Uhlenbeck dan Optimasi Portofolio dengan Algoritma Cuckoo Search

Khoir, Nidaul (2024) Peramalan Harga Saham Individu dengan Model Geometric Fractional Brownian Motion-Fractional Ornstein Uhlenbeck dan Optimasi Portofolio dengan Algoritma Cuckoo Search. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003221002-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (2MB) | Request a copy

Abstract

Masyarakat Indonesia cenderung berinvestasi pada saham yang memiliki likuiditas transaksi keuangan yang baik dengan salah satu kategori indeks saham termasuk pada indeks IDX Quality 30. Seiring dengan berjalannya waktu dan situasi yang sedang berkembang, harga saham sering mengalami perubahan yang tidak dapat diprediksi karena pergerakan yang fluktuatif, sehingga investor tidak bisa mendapatkan kepastian dalam berinvestasi. Oleh karena itu, diperlukan model harga saham untuk memprediksi harga saham di periode yang akan datang. Model yang digunakan dalam penelitian ini adalah model Geometric Brownian Motion (GBM) dan model Geometric Fractional Brownian Motion-Fractional Ornstein-Uhlenbeck (GFBM-FOU). Model GFBM-FOU dapat memberikan gambaran perilaku pasar sebenarnya dan memiliki hasil yang akurat karena menggabungkan parameter Hurst dan memasukkan property long memory. Selain memodelkan dan meramalkan harga saham, investor perlu menentukan strategi dan keputusan investasi dengan membentuk portofolio yang optimum guna mendapatkan keuntungan sesuai dengan harapan dan tetap mempertimbangkan tingkat risiko. Cuckoo Search Algorithm (CSA) merupakan salah satu metode metaheuristic untuk mencari portofolio yang memiliki keunggulan dalam mengatasi masalah kekonvergenan yang lebih cepat. Data harga saham yang digunakan yaitu closing price periode 4 Januari 2021 sampai dengan 29 November 2023 dengan pembagian 91% data awal digolongkan sebagai data historis sedangkan 9% lainnya dijadikan sebagai benchmark dari hasil ramalan. Dari 8 emiten harga saham pada indeks IDX Quality 30, model GFBM-FOU lebih akurat dibanding model GBM pada ramalan 5 harga saham yang terbukti pada perolehan nilai MAPE yang berada pada rentang 1% sampai dengan 8%. Sementara untuk optimasi portofolio dengan faktor risiko pada data historis menggunakan CSA menghasilkan nilai Sharpe Ratio portofolio sebesar 0,8190 dengan tingkat risiko portofolio 5,42% dan tingkat pengembalian portofolio 4,44%. Pada optimasi portofolio dengan faktor risiko untuk data ramalan menggunakan CSA menghasilkan nilai Sharpe Ratio sebesar 0,3999 dengan tingkat risiko portofolio 4,08% dan tingkat pengembalian portofolio sebesar 1,39%.
======================================================================================================
The IDX Quality 30 index highlights stocks that are very active in the Indonesian Capital Market. Stock prices can change quickly and unexpectedly, making it hard for investors to feel confident about their investments. Therefore, it's important to have a reliable model that can predict future stock prices. This study used two models, the Geometric Brownian Motion (GBM) model and the Geometric Fractional Brownian Motion-Fractional Ornstein Uhlenbeck (GFBM-FOU) model, to predict stock prices. These models are known for their accuracy because they use Hurst parameters and account for the long-memory of stock price movements. Besides predicting stock prices, investors should also work out the best investment strategy and make decisions that involve creating the best mix of stocks in their portfolio to earn expected profits while keeping risk at an acceptable level. The Cuckoo Search Algorithm (CSA) is a metaheuristic method used to find the best mix of stocks in a portfolio. This research used stock price data from January 4, 2021, to November 29, 2023, with the first 91% of data used for training and the last 9% for testing. The results showed that, for eight chosen stocks from the IDX Quality 30 index, the forecasts from the GFBM-FOU model were more accurate for five stocks than those from the GBM model, with errors between 1% and 8%. Also, optimizing the portfolio using CSA in historical data resulted in a portfolio with a Sharpe Ratio of 0.8190, indicating a risk level of 5,42% and a return rate of 4,44% and for forecasted data resulted in a portfolio with a Sharpe Ratio of 0.3399, indicating a risk level of 4,08% and a return rate of 1,39%.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Cuckoo Search, Geometric Brownian Motion, Geometric Fractional Brownian Motion, Harga Saham, Optimasi Portofolio. Cuckoo Search, Geometric Brownian Motion, Geometric Fractional Brownian Motion, Portfolio Optimization, Stock Prices.
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Mathematics, Computation, and Data Science > Statistics > 49101-(S2) Master Thesis
Depositing User:	Nidaul Khoir
Date Deposited:	02 Aug 2024 02:12
Last Modified:	02 Aug 2024 02:12
URI:	http://repository.its.ac.id/id/eprint/111169

Actions (login required)

View Item