Akurasi Kinerja Metode Geometric Brownian Motion Termodifikasi Kalman Filter Dan Markov Switching Dalam Peramalan Harga Saham Indonesia

Hamdani, Aldan Maulana (2025) Akurasi Kinerja Metode Geometric Brownian Motion Termodifikasi Kalman Filter Dan Markov Switching Dalam Peramalan Harga Saham Indonesia. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003241014-Master_Thesis.pdf Restricted to Repository staff only Download (10MB) | Request a copy

Abstract

Investasi saham merupakan instrumen keuangan yang menjanjikan namun memiliki tingkat risiko yang tinggi akibat pergerakan harga yang fluktuatif dan tidak pasti. Oleh karena itu, diperlukan model stokastik yang mampu merepresentasikan dinamika harga saham secara akurat dan adaptif. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja dua model peramalan harga saham berbasis Geometric Brownian Motion (GBM) yang dimodifikasi, yaitu GBM dengan Kalman Filter dan GBM dengan pendekatan Markov Switching. Model hybrid GBM-KF digunakan untuk mengestimasi parameter drift dan volatilitas secara dinamis berdasarkan data observasi pasar, sementara model hybrid GBM-MS mengakomodasi perubahan regime pasar melalui transisi yang dikendalikan oleh proses hidden Markov. Penelitian ini menggunakan data harga penutupan saham BBCA dan BBRI dengan 3 skenario waktu untuk mengevaluasi kemampuan kedua model dalam meramalkan harga di masa depan serta tingkat akurasinya. Hasil analisis menunjukkan bahwa kedua model memberikan performa prediksi yang sangat baik, dengan seluruh nilai Mean Absolute Percentage Error (MAPE) berada di bawah 10%, sehingga dikategorikan best fitting terhadap data aktual. Model hybrid GBM-MS menunjukkan kemampuan yang lebih unggul dibandingkan model hybrid GBM-KF, ditunjukkan oleh nilai MAPE yang secara konsisten lebih rendah pada seluruh skenario dan kedua saham yang diuji. Hal ini menegaskan bahwa mekanisme Markov Switching lebih efektif dalam menangkap perubahan struktur pasar serta variasi volatilitas yang terjadi pada harga saham. Secara keseluruhan, hasil penelitian ini menunjukkan bahwa baik model hybrid GBM-KF maupun model hybrid GBM-MS memiliki keandalan tinggi dalam peramalan harga saham, dengan model hybrid GBM-MS direkomendasikan sebagai pendekatan yang lebih adaptif dan akurat dalam menghadapi dinamika pasar keuangan yang fluktuatif.
====================================================================================================================================
Stock investment is a promising financial instrument but has a high level of risk due to fluctuating and uncertain price movements. Therefore, a stochastic model is needed that can accurately and adaptively represent stock price dynamics. This study aims to analyse and compare the performance of two modified Geometric Brownian Motion (GBM) stock price forecasting models, namely GBM with Kalman Filter and GBM with Markov Switching approach. The GBM-KF hybrid model is used to dynamically estimate drift and volatility parameters based on market observation data, while the GBM-MS hybrid model accommodates market regime changes through transitions controlled by a hidden Markov process. This study uses BBCA and BBRI closing price data with three-time scenarios to evaluate the ability of both models to forecast future prices and their accuracy levels. The analysis results show that both models provide excellent prediction performance, with all Mean Absolute Percentage Error (MAPE) values below 10%, thus categorised as best fitting to the actual data. The GBM-MS hybrid model demonstrates superior performance compared to the GBM-KF hybrid model, as indicated by consistently lower MAPE values across all scenarios and both stocks tested. This confirms that the Markov Switching mechanism is more effective in capturing changes in market structure and volatility variations in stock prices. Overall, the results of this study indicate that both the GBM-KF hybrid model and the GBM-MS hybrid model are highly reliable in forecasting stock prices, with the GBM-MS hybrid model being recommended as a more adaptive and accurate approach in dealing with the dynamics of a volatile financial market.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	GBM, GBM-KF, GBM-MS, Saham, Volatilitas Pasar, GBM, GBM-KF, GBM-MS, Stock, Market Volatility
Subjects:	Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Aldan Maulana Hamdani
Date Deposited:	12 Jan 2026 01:12
Last Modified:	12 Jan 2026 01:12
URI:	http://repository.its.ac.id/id/eprint/129436

Actions (login required)

View Item