Prediksi Saham Energi dengan Metode Bi-LSTM dan Estimasi Value at Risk Menggunakan Archimedean Copula dengan Simulasi Monte Carlo

Tjahjanto, Joseph Ferdinand Rio (2025) Prediksi Saham Energi dengan Metode Bi-LSTM dan Estimasi Value at Risk Menggunakan Archimedean Copula dengan Simulasi Monte Carlo. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5006211033_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Investasi merupakan pengalokasian dana untuk memperoleh keuntungan di masa depan. Dalam investasi keuangan, pasar modal menjadi tempat transaksi, termasuk saham yang mencerminkan kepemilikan perusahaan. Saham sektor energi cukup menjanjikan karena bergerak dalam produksi dan penyediaan sumber daya alam. Namun, investasi saham selalu disertai risiko kerugian yang bergantung pada tingkat pengembalian. Maka dari itu, investor perlu membuat strategi dalam membuat keputusan investasi agar mendapatkan tingkat pengembalian yang diinginkan dan meminimalkan risiko. Penelitian ini menggunakan metode Bidirectional Long Short Term Memory untuk melakukan prediksi terhadap empat saham energi, yaitu ADRO JK., ANTM JK., MDKA JK., dan BRPT JK selama periode 2021-2024. Hasil dari prediksi model Bi-LSTM kedepannya akan diolah menggunakan Archimedean Copula terbaik dari Copula Clayton, Frank, dan Gumbel untuk mengestimasi risiko dengan metrik Value at Risk. Hasil penelitian ini menunjukan bahwa MAPE dari prediksi model Bi-LSTM ada pada rentang 1,8774025% hingga 2,537%. Konfigurasi yang sama namun jumlah unit yang berbeda cukup mempengaruhi hasil prediksi model. Kemudian portofolio dibentuk dari keempat saham yang diteliti dan ketergantungan dari keempat saham dimodelkan dengan pendekatan Archimedean Copula. Pada penelitian ini, Archimedean Copula terbaik dalam memodelkan ketergantungan antara keempat saham adalah Copula Frank dengan nilai log-likelihood sebesar 16,16. Portofolio dibentuk dengan pembobotan metode Mean Variance Efficient Portfolio. Hasil dari estimasi VaR dengan model Copula Frank pada tingkat kepercayaan berturut-turut 99%, 95%, 90% adalah -0,04361063; -0,02686507; -0,0190201. Penelitian ini bermaksud untuk memberikan gambaran yang lebih baik tentang Bi-LSTM untuk prediksi return saham dan Archimedean Copula untuk estimasi VaR.
====================================================================================================================================
Investment is the allocation of funds to obtain profits in the future. In financial investment, the capital market is the place for transactions, including stocks that reflect company ownership. Energy sector stocks are promising as they are engaged in the production and supply of natural resources. However, investing in stocks always comes with the risk of loss, which depends on the rate of return. Therefore, investors need to make strategies in making investment decisions in order to get the desired rate of return and minimize risk. This study uses the Bidirectional Long Short Term Memory method to predict four energy stocks, namely ADRO JK, ANTM JK, MDKA JK, and BRPT JK during the period 2021-2024. The results of the future Bi-LSTM model predictions will be processed using the best Archimedean Copula from Copula Clayton, Frank, and Gumbel to estimate risk with the Value at Risk metric. The results of this study show that the MAPE of the Bi-LSTM model prediction is in the range of 1.8774025% to 2.537%. The same configuration but different number of units is enough to affect the model prediction results. Then a portfolio is formed from the four stocks studied and the dependence of the four stocks is modeled with the Archimedean Copula approach. In this study, the best Archimedean Copula in modeling the dependence between the four stocks is the Frank Copula with a log-likelihood value of 16,16. Portfolios are formed by weighting the Mean Variance Efficient Portfolio method. The results of VaR estimation with the Frank Copula model at consecutive confidence levels 99%, 95%, 90% are -0,04361063; -0,02686507; -0,0190201. This research intends to provide a better overview of Bi-LSTM for stock return prediction and Archimedean Copula for VaR estimation.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Saham, Risiko, Bi-LSTM, Copula, Stocks, Risks, Bi-LSTM, Copula
Subjects:	H Social Sciences > HG Finance > HG4915 Stocks--Prices H Social Sciences > HG Finance > HG8054.5 Risk (Insurance) Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	oseph Ferdinand Rio Tjahjanto
Date Deposited:	31 Jul 2025 01:06
Last Modified:	31 Jul 2025 01:06
URI:	http://repository.its.ac.id/id/eprint/123204

Actions (login required)

View Item