Hasil Pencarian  ::  Simpan CSV :: Kembali

"Saham merupakan salah satu surat berharga yang diterbitkan dan dijual oleh perusahaan,yang telah memenuhi syarat, di Bursa Efek Indonesia. Prinsip dasar yang dimiliki olehsaham adalah High Risk High Reward, yang menggambarkan bahwa saham memangdapat memiliki hasil yang besar, namun memiliki risiko yang tinggi pula. Denganprinsip High Risk High Reward, tentunya para investor harus lebih hati-hati dalammenentukan langkah yang akan mereka lakukan. Salah satu cara yang dapat digunakanuntuk mengurangi risiko, yaitu melakukan prediksi tren harga saham menggunakanMachine Learning. Menggunakan data historis saham pada Bursa Efek Indonesia,yaitu open, high, low, dan close price, algoritma Machine Learning dapat melakukanprediksi tren harga saham yang selanjutnya akan digunakan sebagai strategi investasipara investor. Terdapat banyak metode Machine Learning yang dapat digunakan untukmelakukan prediksi, salah satu metode yang dapat digunakan adalah Recurrent NeuralNetwork yaitu Long Short Term Memory (LSTM). Pada metode LSTM, data historisharga saham akan dibawa ke depan melalui seluruh gerbang LSTM yaitu: ForgetGate, Input Gate, dan Output Gate. Selanjutnya akan dicari nilai loss dari model,setelah didapat nilai loss, model akan ditinjau kembali setiap tahapannya, dimulai daribelakang. Langkah pengulangan tesebut dilakukan agar mendapat variabel Weight danBias yang optimal. Kemudian, tingkat akurasi dari metode tersebut akan ditentukanmenggunakan: Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE).Penelitian ini menggunakan data historis perusahaan yang termasuk pada Indeks LQ45dan dapat diambil melalui website, finance.yahoo.com. Dari penelitian ini, diketahuibahwa, masing-masing masalah memiliki model terbaiknya, untuk penyelesaian masalahtersebut.

---

Stock is a part of ownership of a company, that have fulfill the requirement to be sold at

Bursa Efek Indonesia. The basic principal of stock market is High Risk High Reward,

which describe that stock market indeed have a chance to get a great profit, but it also

come with a high risk. This principal is the reason that all investor must be cautious in

deciding their move. There’s many method to do this, with one of the being, forecasting

the stock market trend with machine learning. With the historical data, that include

open, high, low, dan close price, the machine learning algorithm, could forecast the stock

market direction for the next days, which will be one of the deciding factor for investor to

choose their move. Nowadays, there’s many machine learning method that can be used to

forecast, one of them is the branch method of Recurrent Neural Network, which is, Long

Short Term Memory (LSTM). LSTM use the historical data, and bring them forward to,

Forget Gate, Input Gate, Memory State, Output Gate. Then the loss value of the model

will be calculated. After all the process the model will be re-evaluated. The re-evaluation

step is to update all the weights and biases in the model. Then the accuracy of the model

will be evaluated with Root Mean Squared Error (RMSE) and Mean Absolute Error

(MAE). This study uses the historical data of the companys that’s included in the index

LQ45, and the data is taken from the website, finance.yahoo.com. From this research, it

is known that every problem has their own preference model to solve."

"Meningkatnya jumlah investor dari tahun ke tahun di pasar modal berbagai negara mengakibatkan proses pengambilan keputusan dalam membeli saham menjadi salah satu hal yang penting. Tahapan ini merupakan tahapan yang penting karena akan memengaruhi tingkat kekayaan atau pendapatan yang akan diterima oleh seorang investor. Dalam membantu proses pemilihan saham tersebut, seorang investor dapat menggunakan analisa teknikal atau analisa fundamental dalam prosesnya. Namun seiring dengan perkembangan teknologi dan juga kemudahan dalam mengakses data harga indeks saham, maka proses prediksi selanjutnya dapat dilakukan dengan menggunakan analisis big data dalam prosesnya. Penelitian ini akan dilakukan proses prediksi indeks harga saham dengan menggunakan ARIMA dan juga algoritma Long Short-Term Memory untuk pengolahan datanya dan metode web scraping untuk metode pengumpulan data harga indeks saham. Hasil dari penelitian menunjukkan nilai MAPE 1.243% untuk indeks JKSE, 1.005% untuk indeks KLSE, 1.923% untuk indeks PSEI, 1.523% untuk indeks SET.BK dan 3.7944% untuk indeks STI.

---

The increasing number of investors from year to year in the capital markets of various countries has made the decision-making process in buying shares become one of the essential things. This stage is crucial because it will affect the level of wealth or income that an investor will receive. In helping the stock selection process, an investor can use technical analysis or fundamental analysis. However, along with technological developments and the ease of accessing stock index price data, the next prediction process can be carried out using big data analysis. This research will carry out the stock price index prediction process using ARIMA and the Long Short-Term Memory algorithm for data processing and web scraping methods for stock index price data collection methods. The study results showed that the MAPE value was 1.243% for the JKSE index, 1.005% for the KLSE index, 1.923% for the PSEI index, 1.523% for the SET.BK index and 3.7944% for the STI index."

"

Sejak tahun 2017 hingga Oktober 2023, telah terjadi peningkatan jumlah investor Indonesia sebesar 959%, yang menyoroti kebutuhan akan model peramalan untuk membantu mereka mendapatkan keuntungan dari pasar modal. Diversifikasi investasi, seperti pasar modal syariah dengan tolak ukur Jakarta Islamic index (JII) yang relatif lebih rendah risiko, telah menjadi alternatif yang penting. Penelitian ini bertujuan untuk menentukan model terbaik untuk meramalkan harga Jakarta Islamic Index (JII) dengan membandingkan metode tunggal dan hibrida yang menggabungkan transformasi Discrete Wavelet Transform (DWT), model ekonometrik ARIMA, dan model artificial intelligence LSTM, berdasarkan evaluasi Mean Absolute Percentage Error (MAPE) dan akurasi ketepatan arah pergerakan indeks saham. Selain itu, penelitian ini juga mengevaluasi strategi investasi terbaik di pasar modal syariah antara strategi market timing dan buy-and-hold. Metodologi yang digunakan adalah pendekatan prediktif-eksploratif untuk menggali informasi dari data JII dan mengolahnya dengan enam model. Temuan menunjukkan bahwa model tunggal ARIMA sendiri mencapai MAPE terendah sebesar 0.631%. Nilai MAPE untuk model-model lainnya adalah sebagai berikut: ARIMA-LSTM sebesar 0.643%, DWT-ARIMA sebesar 0.736%, DWT-ARIMA-LSTM sebesar 0,744%, LSTM sebesar 0.992%, dan DWT-LSTM sebesar 1.609%. Selain itu, akurasi ketepatan arah peramalan tertinggi dicapai oleh model DWT-ARIMA-LSTM dengan 50.48% sedangkan ARIMA hanya 45.47%, menunjukkan pentingnya mempertimbangkan tidak hanya nilai MAPE tetapi juga akurasi arah dalam evaluasi model peramalan. Dengan menggunakan model DWT-ARIMA-LSTM untuk meramalkan harga JII yang diterapkan pada strategi market timing, ditemukan bahwa pendekatan ini menghasilkan simple return sebesar 19.78%, secara signifikan mengungguli strategi buy-and-hold, yang menghasilkan pengembalian negatif sebesar -5.44%. Namun, ketika disesuaikan dengan biaya transaksi simple return yang didapatkan dengan strategi market timing menjadi -28.08%. Dengan demikian, meskipun melakukan peramalan dapat menghasilkan return yang menarik, penting untuk mempertimbangkan biaya transaksi sebagai faktor krusial dalam strategi investasi.

---

From 2017 to October 2023, there has been a 959% increase in the number of Indonesian investors, highlighting the need for forecasting models to help them benefit from the capital market. Investment diversification, such as the Islamic capital market with the relatively lower-risk Jakarta Islamic index (JII) benchmark, has become an important alternative. This research aims to determine the best model for forecasting the price of the Jakarta Islamic Index (JII) by comparing single and hybrid methods that combine Discrete Wavelet Transform (DWT), ARIMA econometric model, and LSTM artificial intelligence model, based on the evaluation of Mean Absolute Percentage Error (MAPE) and accuracy of stock index movement direction. In addition, this study also evaluates the best investment strategy in the Islamic capital market between market timing and buy-and-hold strategies. The methodology used is a predictive-exploratory approach to extract information from the JII data and process it with six models. The findings showed that the single ARIMA model alone achieved the lowest MAPE of 0.631%. The MAPE values for the other models are as follows: ARIMA-LSTM at 0.643%, DWT-ARIMA at 0.736%, DWT-ARIMA-LSTM at 0.744%, LSTM at 0.992%, and DWT-LSTM at 1.609%. In addition, the highest forecasting directional accuracy was achieved by the DWT-ARIMA-LSTM model with 50.48% while ARIMA was only 45.47%, indicating the importance of considering not only the MAPE value but also directional accuracy in the evaluation of forecasting models. Using the DWT-ARIMA-LSTM model to forecast JII prices applied to a market timing strategy, it is found that this approach generates a simple return of 19.78%, significantly outperforming the buy-and-hold strategy, which generates a negative return of -5.44%. However, when adjusted for transaction costs the simple return obtained with the market timing strategy becomes -28.08%. Thus, while forecasting can generate attractive returns, it is important to consider transaction costs as a crucial factor in investment strategy.

 

"

"Penelitian ini menguji keberadaan market overreaction di Bursa Efek Jakarta pada tahun 2001. Secara khusus penulis mengangkat fenomena price reversal (pembalikan harga) yang terjadi pada saham-saham yang sebelumnya mengalami peristiwa perubahan harga terbesar yaitu kenaikan terbesar dan penurunan terbesar harga saham dalam satu hari perdagangan. Saham-saham yang sebelumnya mengalami return yang sangat positif dimasukkan ke dalam sampei winner. Sedangkan saham-saham yang sebelumya mengalami return yang sangat negatif dimasukkan ke dalam sampel loser. Penulis mengambil sampel saham-saham yang telah terdaftar di BEJ dari awal dan selama tahun 2001.Pengujian mengenai terjadinya pembalikan harga dengan cara melakukan uji t terhadap rata-rata abnormal return saham-saham winner dan loser. Penulis menemukan bahwa saham-saham loser mengalami reversal segera setelah terjadinya peristiwa penurunan harga saham yaitu pada hari kesatu, kedua, kelima, dan keenambelas setelah penurunan harga terbesar dan signifikan secara statistik. Pengujian pada sampel winner tidak menunjukkan pembalikan secara langsung pada hari pertama maupun kedua setelah peristiwa kenaikan harga saham. Saham-saham winner menunjukkan reversal pada hari kesepuluh dan keempatbelas setelah kenaikan harga terbesar.Keberadaan price reversal pada pasar modal ini mengimplikasikan bahwa pasar tidak efisien dalam bentuk lemah. Namun demildan, pengujian mendasar dari efisiensi pasar modal bentuk lemah ini adalah bisa atau tidaknya investor memperoleh keuntungan dengan memanfaatkan fenomena pembalikan harga saham ini Hasil pengujian yang dilakukan dengan cara membandingkan rata-rata CAR dengan rata-rata bid-ask spread pada sampel loser menunjukkan bahwa rata-rata CAR lebih kecil daripada rata-rata bid-ask spread Demildan pula pengujian dengan menerapkan simple trading rule menunjukkan bahwa rata-rata return tidak signifikan lebih besar dari nol. Hal ini mengindikasikan bahwa investor tidak dapat memperoleh keuntungan setelah mempertimbangkan biaya transaksi yang tercermin dalam bid-ask spread tersebut.Penelitian lebih mendalam dilakukan untuk mengetahui penyebab terjadinya pembalikan harga ini. Pengujian pertarna dilakukan dengan cara melakukan regresi dengan variabel terikat CAR dan variabel babas bid-ask spread pada sampel loser saja. Hasilnya menunjukkan bahwa bid-ask spread secara statistik tidak signifikan terhadap terjadinya pembalikan. Pengembangan model dilakukan dengan menambahkan variabel abnormal return saat terjadinya peristiwa penurunan harga, dan dummy variable untuk melihat pengaruh Monday effect dan Friday effect. Hasilnya menunjukkan bahwa variabel bid-ask spread secara statistik berpengaruh terhadap terjadinya pembalikan. Pembalikan harga yang terjadi tidak dipengaruhi Friday effect. Sedangkan Monday effect tidak berpengaruh terhadap pembalikan pada pengujian return interval 1 namun berpengaruh pada pengujian return interval 2. Variabel abnormal return saat event date menunjukkan hubungan yang negatif tetapi tidak signifikan dengan CAR pada pengujian return interval 1 namun pada return interval 2, variabel ini menunjukkan hubungan yang positif terhadap CAR."

"Tujuan penelitian ini adalah untuk menganalisis pengaruh konsensus rekomendasi dan jumlah analis terhadap abnormal return perusahaan yang terdaftar di Bursa Efek Indonesia. Studi ini menganalisis imbal hasil saham 168 perusahaan dari periode Januari 2007 hingga Desember 2012 yang mendapatkan rekomendasi, yang dikumpulkan dari pusat data Institutional Brokers Estimate System (I/B/E/S). Imbal hasil dihitung menggunakan Buy and Hold Abnormal Return (BHAR) selama 5 hari dan 20 hari. Hasil analisis menunjukkan terdapat pengaruh signifikan positif konsensus rekomendasi dan signifikan negatif jumlah analis terhadap abnormal return. Nilai negatif dari jumlah analis dapat menjadi indikasi adanya dispersi rekomendasi yang tinggi antar analis dalam konsensus rekomendasi analis. Di saat krisis, konsensus rekomendasi menghasilkan abnormal return yang lebih rendah dibandingkan pada saat stabil. Sementara itu tidak ada perbedaan pengaruh jumlah analis dalam periode krisis dan normal.

---

The purpose of this study is to analyze the effect of recommendation consensus and number of analyst in abnormal returns of listed firms in Indonesia Stock Exchange. This study analyzes 168 covered firm?s data from the period December 2006 to December 2012, collected from Institutional Brokers Estimate System (I/B/E/S). Abnormal return is calculated with Buy and Hold Abnormal Return (BHAR) for 5 days and 20 days.

Findings shows that there is a significant positive impact from recommendation consensus and significant negative impact from number of analyst to abnormal return. Negative value from number of analyst could indicate a high dispersion of recommendations in analyst recommendation consensus. On crisis period, recommendation consensus has lower abnormal return than on normal period. In addition, there is no difference of number of analyst effect between crisis and normal period."

"Penelitian ini bertujuan untuk mengetahui apakah ada pengaruh akibat perubahan sistem multi fraksi harga saham dengan auto rejection terhadap likuiditas saham. Pengaruh nya diukur dengan dua variabel yaitu, bid-ask spreads dan volume perdagangan. Sampel yang digunakan dalam penelitian ini adalah saham perusahaan dari Indeks Kompas 100 yang melakukan transaksi perdagangan saham selama periode yang ditentukan oleh peneliti, yaitu dimulai dari tanggal 13 Desember 2012 sampai dengan 22 Januari 2013. Metode penelitian ini adalah eksplanatif dan dengan teknik analisis paired t-test. Hasil penelitian ini menunjukkan bahwa jika likuiditas diukur dengan bid-ask spread dan volume perdagangan maka perubahan sistem multi fraksi harga saham dengan auto rejection dapat meningkatkan likuiditas saham.

---

This study aims to determine whether there are effects due to changes in the stock price of a multi fractions with auto rejection to the liquidity of the stock. Her influence is measured by two variables, namely, bid-ask spreads and trading volume. The sample used in this study is a stock company of Compass 100 index stock trading transactions during the specified period by the researcher, which starts from December 13, 2012 until January 22, 2013. This research method is explanatory and analytical techniques is paired t-test.

Results of this study indicate that if liquidity measured by bid-ask spreads and trading volume fraction of the multiple system changes with auto rejection stock price may increase stock liquidity."

"Penelitian ini bertujuan untuk mengidentifikasi dan menjelaskan hubungan saling ketergantungan pasar saham di Asia dan Amerika Serikat sebelum, selama, dan sesudah terjadinya krisis finansial di Amerika Serikat tahun 2008?2009. Metode penelitian yang digunakan untuk melihat adanya hubungan saling ketergantungan adalah lewat uji koefisien korelasi dan uji kausalitas Granger. Hasil penelitian menunjukkan bahwa adanya hubungan saling ketergantungan pada sebelum, selama, dan sesudah terjadinya krisis. Sebelum terjadinya krisis, terdapat hubungan saling ketergantungan antara Singapura dan Jepang, Singapura dan Amerika Serikat, Hong Kong dan Amerika Serikat, India dan Amerika Serikat; selama terjadinya krisis, Singapura dan Hong Kong, Cina dan India saling memiliki ketergantungan; dan sesudah terjadinya krisis, terdapat hubungan saling ketergantungan antara Hong Kong dan India, Hong Kong dan Amerika Serikat.

---

This research aims to identify and explain the interdependence of Asian stock markets and the United States stock market before, during, and after the United States financial crisis in 2008?2009. The research methodology that has been used to identify this interdependence is the correlation coefficient test and the Granger causality test. The results of these tests identified and confirmed proven interdependencies before, during, and after the crisis. Before the crisis, interdependencies existed between Singapore and Japan, Singapore and the United States, Hong Kong and the United States, India and the United States; during the crisis, Singapore and Hong Kong, China and India were all interdependent; and after the crisis, interdependencies existed between Hong Kong and India, Hong Kong and the United States."

"Penelitian terbaru dalam behavioral finance telah menyangkal teori pasar efisien. Bias psikologi yang dapat memengaruhi perilaku investor dan harga saham telah menyebabkan perdebatan di antara pendukung behavioral finance dan keuangan neoklasik. Penelitian menggunakan pooled ordinary least square dengan menggunakan fixed effect model untuk menganalisis hubungan antara sentimen investor terhadap harga saham selama periode penelitian. Sampel penelitian adalah perusahaan yang membagikan dividen setiap tahun. Penelitian dilakukan pada 51 perusahaan yang terdaftar di Bursa Efek Indonesia selama periode tahun 2006-2010. Hasil penelitian menunjukkan bahwa sentimen investor memiliki pengaruh yang signifkan terhadap harga saham.

---

Recent literature in behavioral finance has contradicted efficient market theory. Psychological biases which are influencing both the behavior of investors and asset prices has led to a strong debate among proponents of behavioral finance and neoclassical finance. This study conduct pooled ordinary least squares estimator by using a fixed effect model to analyze the relationship between investor sentiments on stock prices during the research period. Study sample is a company that distribute dividends every year. The study was conducted on 51 companies listed on the Indonesia Stock Exchange during the period 2006-2010. The results suggest that investor sentiment has significant influence on stock prices."

"Penelitian ini berutujuan untuk menganalisa efek dari pandemic COVID-19 yang terjadi di Indonesia terhadap volatilitas pasar saham di Indonesia, dengan menggunakan beberapa variabel yaitu, exchange rate USD/IDR, harga emas, dan harga minyak. Metode yang digunakan untuk pengolahan data yaitu Generalized Auto-Regressive Conditional Heteroskedasticity (GARCH) dengan alat yang digunakan adalah EVIEWS.

---

This research aims to analyze the effect of COVID-19 pandemic that happens globally towards stock market volatility in Indonesia. Several variabels that are used in this research are, USD/IDR exchange rate, price of gold, and price of oil. The method that this research use is Generalized Auto-Regressive Conditional Heteroskedasticity (GARCH) which processed by EVIEWS. "

"Stock investors are very concerned with the stock market index because intuitively, most stocks move in the same direction as the stock market index. If the stock market index rises (declines), a portfolio most likely will also increase (decrease) In value. How is the stock market index derived ? ln some capital markets where the listed stocks are quite limited such as Jakarta Stock Exchange, all the stocks (total population) are included in the index calculation. Some indexes, however, do not use the total population but take a representative sample to reflect the market. Once we have the sample (or the total population), the next question is how to give weights to each of the stocks In the sample (or the population). This article explains three weighting methods for index calculation namely price-weighted, value-weighted, and unweighted.A set of examples and an actual but simplified example on IHSG are given to help understand the three calculation (weighting) methods."