Hasil Pencarian  ::  Simpan CSV :: Kembali

"Selama bertahun-tahun, Foreign Exchange Market (FXM), telah mengalami beberapa perubahan besar. Perubahan ini meliputi perkembangan institusi, dan juga perkembangan teknologi. Perubahan tersebut membawa dampak yang signifikan dalam berbagai dimensi market, seperti cara trading, kompetisi, size of the market, dan efisiensi pasar. Oleh karena itu sangatlah penting untuk mengikuti perkemhangan dalam lingkungan pasar valuta asing. Perkembangan yang terpenting dalam FXM selama bertahun-tahun adalah evolusi dari independent cross market dimana nori-dollar rates ditentukan oleh kekuatan free supply dan demand. Evolusi ini memberikan lebih banyak produk dan peluang bagi trader sehingga volume trading dalam pasar meningkat. Evoulusi terbaru dalam independent cross market, digabung dengan perkembangan teknologi dalam computerized trading, menandai awal era baru dari Foreign Exchange Market. Triangular Arbitrage yang dahulu hanya sekedar teori, sekarang menjadi prkatek yang umum bagi mereka yang mempunyai akses dana yang besar. Hal ini menggambarkan bagaimana proses konversi satu mata uang ke mata uang yang lainnya, dan ditukar lagi kedalam bentuk mata uang yang lainnya, kemudian dikembalikan lagi dalam bentuk mata uang awal mcmberikan keuntungan yang tak terduga. Risk-free profit bisa didapatkan dengan mengambil keuntungan dari perbedaan harga (price dispcrepancies) mata liang dalam pasar yang berbeda. Karya Akhir ini memberikan gambaran teori dari Triangular Arbitrage dan review secara komprehensive mengenai Foreign Exchange Computerized Trading. Kemudian juga selain teori, Karya Akhir ini memberikan metode dalam menguji dan triangular arbitrage dalam lima mata uang utama berdasarkan informasi empirik yang disebut dengan direct and precise test. Pendekatan 1111 berguna untuk menguJI inefisiensi dalam FXM sehingga mengimplikasikan tersedianya risk-free profit. Trader dapat menggunakan peluang ini untuk lebih memfokuskan diri pada pasar yang memberikan peluang profit paling besar."

"Peter F. Drucker dalam tulisan The Changed World Economy menyatakan bahwa telah menjadi kecendrungan bagi para pelaku ekonomi untuk melakukan investasi dalam bentuk valuta, dan hal ini merupakan ciri dari perekonomian dunia pada dekade terahir ini, dimana nilai perputaran uang dunia dalam bentuk berbagai valuta asing telah mencapai US$ 150.000 juta. per hari, atau sekitar 12 kali nilai transaksi barang dan jasa dunia perhari. Sehingga pendapat dari Drucker, bahwa perubahan fundamental telah terjadi dalam perekonomian dunia, dimana symbol economy (perputaran uang dan modal Y menjadi lebih dominan daripada real economy (transaksi barang dan jasa) dan pendapatnya telah terbukti. Banyak jenis fasilitas maupun jenis transaksi yang dapat dilakukan dalam pasar uang ini, antara lain transaksi swap dan arbitrage yang merupakan bentuk transaksi va1uta asing yang paling populer didalam dealing room, dimana trader meyerahkan sejumlah deposito atau kewajiban kepada bank/lembaga keuangan lainnya, sehingga trader/dealer dapat melakukan transaksi jual beli valuta asing untuk suatu nilai nominal yang lazim diperdagangkan. Biasanya margin berkisar antara 5 % sampai 10% dari jumlah nominal tersebut. Dari segi keuangan, tingkat leverage yang tinggi ini menarik karena dapat memberikan return on investment yang tinggi, jauh lebih tinggi daripada transaksi uang dalam bentuk tunai. Sebaliknya, segi resiko juga harus diperhitungkan mengingat tingkat leverage yang tinggi itu. Oleh karena itu, pengambilan keputusan menjadi sangat penting, terutama menyangkut waktu untuk menjua1 maupun membe1i . Secara idea1 yang pa1ing menguntungkan ka1au trader dapat membe1i pada kurs yang rendah dan menjualnya pada kurs yang tinggi (buy 1ow sell high), namun akibat gejo1ak kurs yang cepat dan tak terduga sering yang terjadi adalah seba1iknya (sell low buy high) sebagaimana terjadi pada kasus Bank Duta. Dalam transaksi va1uta asing ini tingkat spekulasi yang dikandung adalah tinggi. Namun justru hal inilah yang menarik, dan semakin banyak orang terjun ke bursa valuta asing,fluktuasi kurs ini makin menambah peluang bagi trader untuk meraih laba akibat selisih kurs. Masalahnya adalah bagaimana memanfaatkan situasi ini dengan sebaik mungkin. Keahlian untuk menangani transaksi valuta asing kian diperlukan, apa1agi sejak dike1uarkannya Paket 27 Oktober 1988, dimana syarat untuk menjadi bank devisa diperingan, dan cabang-cabang bank devisa otomatis berfungsi sebagai bank devisa. Dalam kurun waktu kurang dari sebulan sejak paket tersebut dikeluarkan, sudah ada dua bank yang naik statusnya menjadi bank devisa. Ini tentunya menyebabkan peningkatan permintaan terhadap kuantitas maupun kualitas tenaga profesional dalam bidang manajemen valuta asing. Untuk melakukan transaksi perdagangan valuta asing, peranan prakiraan tingkat pertukaran antar valuta sangat penting, termasuk mengetahui variabel-variabel yang mempengaruhinya. Disamping itu, dalam perdagangan valuta asing, fasilitas swap dapat membantu meringankan beban perusahaan dalam menghadapi gejolak tingkat pertukaran yang tidak menentu baik pembayaran bunganya maupun dalam pembayaran kembali kewajiban pokoknya sedangkan fasilitas arbitrage dapat memberikan tambahan keuntungan dari suatu investasi dalam valuta asing serta keuntungan dari selisih spread tingkat pertukaran valuta tersebut. "

"

Meskipun teknologi telah mempengaruhi hampir semua aspek industri finansial, penelitian yang terfokus pada penggunaan teknologi pemrosesan teks dan analisis sentimen dalam konteks prediksi harga saham masih belum banyak dilakukan. Manfaat dan potensi dari penelitian semacam ini memiliki pengaruh yang tinggi, terutama karena analisis sentimen telah menjadi komponen yang penting dalam memprediksi tren pasar saham. Dalam penelitian ini, penulis mengusulkan penerapan metode feature engineering dalam memprediksi harga saham dengan memanfaatkan hasil analisis sentimen menggunakan FinBERT, lalu hasilnya akan dijadikan fitur oleh model BiLSTM. FinBERT adalah model berbasis BERT yang telah dilatih khusus untuk memproses dan menginterpretasi teks keuangan, sementara BiLSTM adalah arsitektur jaringan saraf berulang yang mampu mengatasi masalah yang ada pada jaringan saraf berulang standar seperti vanishing gradient dan efektif dalam mengolah data sekuensial. Penelitian ini menggabungkan kedua teknik ini untuk menciptakan model yang mampu memprediksi pergerakan harga saham berdasarkan analisis sentimen berita keuangan dengan nilai rata-rata MSE yang lebih rendah. Feature engineering digunakan dalam penelitian ini untuk mengekstrak dan mengolah informasi yang relevan dari dataset oleh model FinBERT untuk digunakan pada model BiLSTM. Dengan menggunakan metode feature engineering, ditemukan bahwa model BiLSTM yang menggunakan fitur sentimen analisis memiliki performa tertinggi dengan memiliki rata-rata nilai MSE terkecil dalam memprediksi tujuh saham yang memiliki karakteristik berbeda dengan nilai 3.43, nilai tersebut merupakan rata-rata terkecil dibandingkan tiga model lain dalam penelitian ini seperti LSTM dengan nilai MSE 4.04, Random Forest dengan nilai MSE 9.77, dan SVM dengan nilai MSE 12.56. Selanjutnya, proses optimisasi model BiLSTM menggunakan Optuna ditemukan nilai hyperparameter terbaik dalam menghadapi tujuh jenis saham yang berbeda, sehingga model mampu memprediksi lebih akurat dengan penurunan rata-rata nilai MSE hingga 40.55%. Sebagai bentuk validasi akhir pada penelitian ini telah dilakukan uji fold untuk mendapatkan model yang tidak overfitting dan memiliki rata-rata nilai MSE terkecil dengan variasi nilai hyperparameter batch size. Ditemukan batch size 16 merupakan ukuran paling optimal untuk tipe data NVDA,XOM dan TSLA dengan rata-rata MSE terkecil 0.64, 0.35, 0.05 sedangkan batch size 24 merupakan ukuran paling optimal untuk tipe data saham AAPL, AMZN, GOOG dan GOOGL dengan rata-rata MSE terkecil 0.028, 0.02, 0.03, 0.04, dan 0.03. Dalam menggunakan fitur sentimen analisis berhasil membuktikan menurunkan nilai MSE pada masing-masing jenis saham hingga rata-rata penurunan nilai MSE mencapai 33.10% dari semua jenis variasi data saham tanpa menggunakan fitur sentimen.

---

Although technology has influenced nearly all aspects of the financial industry, there is still a lack of research focusing on the use of text processing technology and sentiment analysis in the context of stock price prediction. The benefits and potential of such research are significant, especially as sentiment analysis has become a crucial component in predicting stock market trends. In this study, the authors propose the application of feature engineering to predict stock prices by utilizing sentiment analysis results using FinBERT, which are then used as features by the BiLSTM model. FinBERT is a BERT-based model specifically trained to process and interpret financial text, while BiLSTM is a recurrent neural network architecture capable of overcoming problems inherent in standard recurrent neural networks, such as the vanishing gradient, and is effective in processing sequential data. This study combines these two techniques to create a model capable of predicting stock price movements based on sentiment analysis of financial news with a lower average MSE value. Feature engineering is used in this study to extract and process relevant information from the dataset by the FinBERT model to be used in the BiLSTM model. By using feature engineering, it was found that the BiLSTM model using sentiment analysis features has the highest performance, having the lowest average MSE value in predicting seven stocks with different characteristics, with a value of 3.43, which is the smallest average compared to the three other models in this study, such as LSTM with an MSE value of 4.04, Random Forest with an MSE value of 9.77, and SVM with an MSE value of 12.56. Furthermore, the optimization process of the BiLSTM model using Optuna found the best hyperparameters in dealing with seven different types of stocks, enabling the model to predict more accurately with an average reduction in MSE value up to 40.55%. As a final form of validation in this study, a fold test was conducted to obtain a model that is not overfitting and has the smallest average MSE value with variations in hyperparameter batch size values. It was found that a batch size of 16 is the most optimal size for NVDA, XOM, and TSLA data types with the smallest average MSE of 0.64, 0.35, 0.05, while a batch size of 24 is the most optimal size for AAPL, AMZN, GOOG, and GOOGL stock data types with the smallest average MSE of 0.028, 0.02, 0.03, 0.04, and 0.03. Using sentiment analysis features proved to reduce the MSE value for each type of stock to an average reduction in MSE value reaching 33.10% from all types of stock data variations without using sentiment features

"

"ABSTRAKTujuan dari penelitian ini adalah untuk menganalisa Kausalitas Granger antara pergerakan nilai tukar dan arus masuk bersih asing di pasar modal Indonesia, menggunakan data harian untuk periode 2011 hingga 2016. Metode yang digunakan dalam penelitian ini adalah vektor autoregresi VAR . Variabel yang digunakan dalam penelitian ini adalah pergerakan imbal hasil nilai tukar rupiah terhadap Dolar AS dan arus masuk bersih asing pada pasar modal. Penelitian ini juga membedakan arus masuk bersih asing pada pasar modal menjadi pasar saham dan pasar surat utang. Hasil VAR menunjukkan respon pergerakan nilai tukar terhadap guncangan transaksi asing pada pasar surat utang adalah negatif dan signifikan, sedangkan respon terhadap guncangan transaksi asing pada pasar saham lebih rendah. Di sisi lain, hasil menunjukkan repon yang lebih lambat pada arus transaksi asing terhadap guncangan pada pergerakan nilai tukar.

---

ABSTRACTThe purpose of this study is to analyze the causality between the movement of the exchange rate and net foreign inflow in capital market Indonesia, using daily data for the period 2011 to 2016. The research method used is the vector autoregression VAR . Variables used in this study is the return movement of the Rupiah against the US Dollar and net foreign inflow in capital market. This Research also distinguish net foreign inflow into stock market and bond market. The VAR results show that the response of the exchange rate movement to the shock in the foreign transaction flows in bond market is a negatif and significant, while the response to the shock in the foreign transaction flows in stock market is low. On the other side, the result show slower response of the foreign transaction flows to the shock in the exchange rate movement."

"Penelitian ini berusaha meneliti efisiensi pasar valuta asing Indonesia setelah mereformasi rezim nilai tukarnya menjadi nilai tukar mengambang. Data nilai tukar yang digunakan untuk makalah ini adalah nilai tukar rupiah (Rp) terhadap dolar Amerika Serikat (USD), rupiah terhadap yen Jepang (JPY), dan rupiah terhadap won Korea Selatan (KRW) sejak Januari 2000 sampai dengan November 2012, dimana Indonesia pada 14 Agustus 1997 merubah rezim nilai tukarnya yang semula berupa rezim managed floating regime menjadi free floating regime. Penelitian ini menguji efisiensi pasar valuta asing bentuk lemah (weak form), dengan menggunakan Unit Root Test, dan regresi dengan pendekatan Efficient Market Hypothesis. Selain itu, penelitian ini juga mencoba menguji dengan menggunakan pendekatan paritas suku bunga baik terbuka maupun tertutup. Hasil yang di dapat bahwa pasar valuta asing Indonesia telah efisien bentuk lemah. Namun, jika ditinjau dengan pendekatan paritas suku bunga, pasar valuta asing Indonesia belum efisien.

---

This study sought to assess the efficiency of Indonesia's foreign exchange market after the reform of its exchange rate regime to a floating exchange rate. Data exchange rates used for this paper is the rupiah (IDR) against the U.S. dollar (USD), the rupiah against the Japanese yen (JPY), and the rupiah against the South Korean won (KRW) from January 2000 to November 2012, where Indonesia on August 14, 1997 to change its exchange rate regime which was originally a regime of managed floating regime became free floating regime. This study examined the efficiency of the foreign exchange market is weak form (weak form), by using the Unit Root Test, and regression to the Efficient Market Hypothesis approach. In addition, this study also attempted to examine the use of interest rate parity approach either open or closed. The result shows that the Indonesian foreign exchange market has been weak form efficient. However, if the review with interest rate parity approach, Indonesia's foreign exchange market has not been efficient."

"Sangatlah penting bagi investor untuk memprediksi return dari investasi yang akan dilakukan. Faktor apa saja yang harus dipertimbangkan investor dalam mengestimasi return. Penelitian ini bertujuan untuk menguji pengaruh faktor market return, size, book to market, momentum, dan foreign exchange terhadap return portofolio dengan menggunakan metode multiple linear regression. Sampel penelitian terdiri dari perusahaan yang terdaftar di Bursa Efek Indonesia periode 2009 sampai 2012 yang secara berurutan berjumlah 326, 328, 342, dan 375 perusahaan. Model yang digunakan dalam penelitian ini adalah one factor model, Fama and French three factor model, dan Carhart four factor model.Hasil penelitian menunjukkan bahwa market return, size, dan book to market memiliki pengaruh yang positif dan signifikan terhadap return portofolio. Faktor foreign exchange risk memiliki pengaruh yang positif pada portofolio sensitive namun berpengaruh negatif pada portofolio insensitive. Terakhir yaitu faktor momentum tidak mempengaruhi return portofolio. Selain hasil tersebut, penelitian juga menunjukkan bahwa terdapat hubungan yang nonlinear antara return dan foreign exchange sensitivity yang berbentuk parabola.

---

It is important for investors to predict the return of investment will be made. What factors should be considered. This study aims to examine the influence of market return, size, book to market, momentum, and foreign exchange to the portfolio return by using multiple linear regression method. The sample used in the empirical tests consists of companies listed on the Indonesian Stock Exchange from 2009 to 2012 with the number of smaple firms are 326, 328, 342, and 375. The model used in this study are one factor models, Fama and French three factor model, and Carhart four factor models.

The results showed that the market return, size, and book to market has a positive and significant effect on portfolio returns. Foreign exchange risk factors have a positive effect on the sensitive portfolio but negative on the insensitive portfolio. Finally, the momentum factor does not affect the portfolio return. In addition, this study show that the relationship between returns and foreign sensitivity is nonlinear (parabolic)."