Peramalan Harga Komoditas Berjangka Logam Non-Ferro Menggunakan Vanilla Dan Stacked Long-Short Term Memory Dalam Pengukuran Risiko Portofolio

Lina, Yeni April (2022) Peramalan Harga Komoditas Berjangka Logam Non-Ferro Menggunakan Vanilla Dan Stacked Long-Short Term Memory Dalam Pengukuran Risiko Portofolio. Other thesis, Institut Teknologi Sepuluh Nopember Surabaya.

Text 06311840000019-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2024. Download (3MB) | Request a copy

Abstract

Kontrak berjangka dapat digunakan sebagai sarana lindung nilai, spekulasi atau arbitrase. London Metal Exchange (LME) merupakan pusat perdagangan internasional komoditas berjangka logam non-ferro yang digunakan dalam industri. Berinvestasi pada komoditas berjangka merupakan salah satu bentuk investasi berisiko karena harga komoditas yang mendasari kontrak (underlying asset) sangat fluktuatif, namun dapat menghasilkan pengembalian yang sangat tinggi dalam waktu yang relatif singkat (high risk high return). Oleh karena itu, agar investasi dalam perdagangan komoditas berjangka memberikan hasil yang baik, perlu dilakukan analisis risiko dengan cermat. Penelitian ini membahas peramalan menggunakan metode Vanilla dan Stacked Long-Short Term Memory (LSTM), pembentukan portofolio optimal menggunakan pendekatan Multi Objektif, dan pengukuran risiko investasi dengan menggunakan Value at Risk (VaR), Conditional Value at Risk (CVaR), dan Liquidity Adjusted Value at Risk (LaVaR) yang diimplementasikan pada komoditas berjangka logam non-ferro di LME. Data yang digunakan dalam penelitian ini adalah harga komoditas berjangka timbal, nikel, seng, tembaga, dan timah periode 1 Januari 2010 sampai 31 Desember 2021. Hasil penelitian menunjukkan bahwa metode Stacked LSTM mampu memberikan hasil peramalan dengan tingkat kesalahan yang lebih rendah daripada Vanilla LSTM. Optimalisasi portofolio dengan menggunakan metode Multi Objektif dapat memaksimalkan tingkat pengembalian dan meminimalkan risiko secara bersamaan. Hasil estimasi VaR, CVaR pada tingkat kepercayaan 99% menunjukkan bahwa portofolio yang terbentuk dengan preferensi investor menyukai risiko memiliki kerugian terbesar yang secara berturut-turut sebesar -0,59264 dan -0,90735, sedangkan portofolio dengan preferensi investor menghindari risiko memiliki kerugian terkecil dengan nilai VaR sebesar -0,02455 dan CVaR sebesar -0,03484. Aset komoditas berjangka seng memiliki risiko kerugian terbesar sebagai instrumen investasi tunggal berdasarkan hasil estimasi VaR, CVaR, dan LaVaR pada tingkat kepercayaan 99% secara berturut-turut sebesar -0,20914, -0,46154, dan -0,22480, sedangkan tembaga memiliki risiko kerugian terendah dengan nilai VaR sebesar -0,02483, CVaR sebesar -0,03416, dan LaVaR sebesar -0,02597
========================================================================================================================================
Futures contracts can be used as a means of hedging, speculation or arbitrage. The London Metal Exchange (LME) is an international trading center for non-ferrous metal commodity futures used in industry. Investing in commodity futures is a form of risky investment because the price of the commodity underlying the contract (underlying asset) is very volatile, but can generate very high returns in a relatively short time (high risk high return). Therefore, for investing in commodity futures trading to provide good results, it is necessary to carry out a careful risk analysis. This study discusses forecasting using the Vanilla and Stacked Long-Short Term Memory (LSTM) methods, forming optimal portfolios using a Multi-Objective approach, and measuring investment risk using Value at Risk (VaR), Conditional Value at Risk (CVaR), and Liquidity Adjusted. Value at Risk (LaVaR) implemented on non-ferrous metal futures on the LME. The data used in this study are the futures prices of lead, nickel, zinc, copper and tin for the period 1 January 2010 to 31 December 2021. The results show that the Stacked LSTM method is able to provide forecasting results with a lower error rate than the Vanilla LSTM. Portfolio optimization using the Multi-Objective method can maximize returns and minimize risk simultaneously. Estimation results of VaR, CVaR at the 99% confidence level show that portfolios formed with risk-loving investor preferences have the largest losses of -0.59264 and -0.90735, respectively, while portfolios with risk-averse investor preferences have the smallest losses with the VaR value is -0.02455 and the CVaR is -0.03484. Zinc futures commodity assets have the greatest risk of loss as a single investment instrument based on the estimation results of VaR, CVAR, and LaVaR at 99% confidence levels respectively of -0.20914, -0.46154, and -0.22480, while copper has the lowest risk of loss with a VaR value of -0.02483, a CVaR of -0.03416, and a LaVaR of -0.02597

Item Type:	Thesis (Other)
Additional Information:	RSAk 332.644 Lin p-1
Uncontrolled Keywords:	Long-Short Term Memory, Portofolio Multi Objektif, Value at Risk, Conditional Value at Risk, Liquidity Adjusted Value at Risk
Subjects:	H Social Sciences > HB Economic Theory > Economic forecasting--Mathematical models.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	EKO BUDI RAHARJO
Date Deposited:	20 Dec 2022 07:27
Last Modified:	20 Dec 2022 07:27
URI:	http://repository.its.ac.id/id/eprint/95252

Actions (login required)

View Item