Khazana, Cholilaturojabi (2019) Penerapan metode hybrid garch-artificial neural network untuk volatilitas return litecoin / Cholilaturojabi Khazana</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
p style text-align justify Volatilitas return adalah tingkat fluktuasi dari selisih dua nilai pengamatan yang berurutan. Return pada pasar keuangan dapat diartikan sebagai pengembalian aset yang diperoleh pelaku pasar keuangan berdasarkan investasi yang telah dilakukan. Volatilitas pada pasar keuangan digunakan sebagai ukuran risiko jika ukuran volatilitas tinggi maka besar kemungkinan aset akan naik atau turun secara drastis. Memprediksi volatilitas return dengan akurasi besar dianggap penting untuk keputusan investasi di pasar keuangan. Metode yang dapat digunakan untuk memodelkan dan memprediksi volatilitas return adalah metode Generalized Auto Regressive Conditional Heteroscedastic (GARCH) dengan asumsi data bersifat heteroskedastisitas. Namun return litecoin tidak hanya memiliki sifat heteroskedastisitas tetapi juga memilki struktur non-linear. Permasalahan pada metode GARCH adalah tidak dapat menangkap struktur non-linear sehingga perlu dilakukan pendekatan lain dengan metode non-linear seperti metode Artificial Neural Network (ANN). Tujuan penelitian ini adalah untuk menerapkan metode hybrid GARCH-ANN pada return litecoin yang bersifat heteroskedastisitas dan non-linear guna mendapatkan hasil peramalan volatilitas yang baik. Berdasarkan hasil penelitian terbukti bahwa metode hybrid GARCH-ANN baik digunakan untuk memprediksi volatilitas return litecoin karena diperoleh akurasi eror SMAPE dibawah 10% yaitu sebesar 3.95479% pada tahap pemodelan dan 3.82542% pada tahap validasi. Model terbaik untuk volatilitas return litecoin adalah hybrid GARCH (1 1)-ANN (2 5 1). /p
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | library UM |
| Date Deposited: | 29 May 2019 04:29 |
| Last Modified: | 09 Sep 2019 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/326081 |
Actions (login required)
 |
View Item |