Hasil Pencarian  ::  Simpan CSV :: Kembali

"

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.

 

"

"Dalam menciptakan sistem keuangan yang berkelanjutan, terdapat faktor-faktor yang berperan penting dalam mendukung sistem keberlanjutan tersebut, salah satunya dengan menerbitkan produk-produk berbasis ramah lingkungan seperti green bonds yang telah menjadi tren dalam beberapa tahun terakhir. Tidak hanya mendanai proyek-proyek berkelanjutan, lebih dari itu naiknya popularitas produk ini mendorong pentingnya pemahaman mengenai peran green bonds sebagai hedging instrument untuk menghadapi risiko pasar. Risiko pasar sendiri merupakan suatu ketidakpastian yang dapat diprediksi melalui berbagai strategi seperti tren volatilitas di masa lalu maupun implied volatility. Kedua strategi ini memiliki tujuan yang sama yaitu untuk meminimalisasi risiko ketidakpastian harga di masa depan. Melalui penelitian ini, penulis menemukan evidence dari significant time-varying causality diantara green bonds dan implied volatility di berbagai negara termasuk Indonesia, dan juga negara lainnya seperti Amerika, Eropa, dan emerging markets (EM). Penelitian ini menganalisa hedging effectiveness dari green bonds terhadap implied volatilities di Indonesia dan negara lainnya serta strategi manajemen portofolio yang dibutuhkan oleh investor untuk memaksimalkan hedging effectiveness. Penelitian ini menemukan bahwa dengan adanya significant time-varying causality, green bonds dapat menjadi hedging instrument yang efektif. Lebih lanjut, menggunakan regime-dependent trading strategies dapat meningkatkan hedging effectiveness dari green bonds dalam konteks risk-adjusted returns pada pasar modal Indonesia.

---

One of the key components in building a sustainable financial system is the issuance of green bonds, an environmentally beneficial instrument that has gained popularity recently. Sustainable initiatives receive funding, but even more importantly, the growing demand for this product highlights how crucial it is to comprehend how green bonds function as a hedging tool against market risk. The actual market risk is an unknown that can be forecast using a variety of techniques, including implied volatility and historical volatility patterns.The objective of these two approaches is the same: to reduce the chance of future price volatility. By means of this study, the author discovered evidence of a noteworthy time- varying causal relationship between implied volatility and green bonds in a number of nations, including Indonesia, America, Europe, and emerging markets (EM). The effectiveness of green bond hedging against implied volatility in Indonesia and other nations is examined in this study, along with the portfolio management techniques investors must employ to optimize hedging efficacy. The results of this study indicate that green bonds can be a useful tool for hedging, with a considerable time-varying causal relationship. Furthermore, when considering risk-adjusted returns on the Indonesian capital market, the hedging efficacy of green bonds can be enhanced by employing regime-dependent trading strategies."

"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."

"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."

"Kondisi pasar modal sendiri tidak terlepas dari pengaruh-pengaruh internal maupun eksternal, dimana perubahan pada tingkatan aktifitas ekonomi khususnya perubahan pada faktor makroekonomi. Oleh sebab itu, penelitian ini akan menggunakan variabel-variabel yang dapat menggambarkan kondisi tersebut, yaitu Indeks Produksi Industri IPI , Indeks Harga Perdagangan Besar IHPB, Suku Bunga Bank Indonesia interest rate, jumlah uang beredar secara luas M2, serta nilai tukar kurs. Penelitian ini bertujuan untuk menguji bagaimanakah hubungan antara variabel makroekonomi dengan Indeks Harga Saham Gabungan IHSG dengan menggunakan metode time series Vector Autoregresive Model dan Granger Causality untuk melihat arah hubungan tersebut. Data yang digunakan adalah data bulanan setiap variabel selama periode 2007-2016. Hasil penelitian ini menemukan bahwa terdapat kointegrasi hubungan jangka panjang antara variabel makroekonomi dengan Indeks Harga Saham Gabungan IHSG dan menunjukan hubungan signifikansi jangka panjangnya. Variabel IPI ditemukan tidak signifikan, sementara IHPB serta KURS ditemukan positif signifikan, dan variabel IR dan M2 ditemukan negatif signifikan. Hasil pengujian arah hubungan menggunakan Granger Causality menunjukan bahwa terdapat hubungan unidirectional antara IHSG terhadap M2, IHSG terhadap Kurs, Kurs terhadap M2, IR terhadap KURS dan hubungan bidirectional antara IHSG dengan IR.

---

Condition of the capital market is inseperable from internal and external influences, where capital market are sensitive to changes in the economic activity, especially changes in macroeconomic factors. Therefore, this study will use variables that can describe the condition, namely Industrial Production Index IPI, Wholesale Price Index WPI or IHPB, Interest Rate IR, Broad Money Supply M2 and exchange rate KURS. This study aims to test how the relationship between macroeconomic variables with Jakarta Composite Index JKSE or IHSG using time series Vector Autoregresive Model VAR and Granger Causality to see the direction of the relationship. The data used in this study are monthly data of each variable during the period of 2007 2016.

The result of this study is there is a cointegration long term relationship between macroeconomic variables with Jakarta Composite Index JKSE or IHSG and shows the long term relationship significance. IPI were found unsignificant, IHPB or WPI, and KURS were found to be significantly positive, while IR and M2 were found to be significantly negative. The result of Granger Causality shows that there is unidirectional relationship between JKSE or IHSG to M2, JKSE or IHSG to KURS, KURS to M2, and IR to Kurs and bidirectional relationship between JKSE or IHSG and IR. "

"Penelitian ini bertujuan untuk menganalisis pengaruh Struktur modal terhadap harga saham pada perusahaan yang Terdaftar di Bursa Efek Indonesia Periode 2010 Sampai dengan 2014. Penelitian dilakukan terhadap seluruh sektor industri non-kenangan; sektor industri pertambangan; sektor infrastruktur, utilitas dan transportasi. Pengujian dilakukan dengan model regresi linear berganda yang menggunakan model Generelized Least Square (GLS). Hasil penelitian ini menemukan bahwa secara simultan struktur modal (Leverage) berpengaruh terhadap harga saham perusahaan di Indonesia. Debt to Equity Ratio (DER) dan Long Term Debt to Equity (LDER) pada ketiga objek penelitian secara signifikan berpengaruh terhadap harga saham. Debt to assets ratio (DAR) Pada penelitian seluruh sektor perusahaan non-keuangan dan sektor infrastruktur, utilitas, transportasi secara signifikan berpengaruh terhadap harga saham sedangkan pada sektor pertambangan menunjukkan hasil yang tidak signifikan. Equity to Assets Ratio (EAR) pada hasil penelitian seluruh sektor perusahaan non-keuangan dan sektor infrastruktur, utilitas, transportasi secara signifikan merniliki pengaruh terhadap harga saham; Sedangkan pada sektor pertambangan menunjukkan hasil yang tidak signifikan terhadap harga saham. Interest Coverage Ratio (ICR) pada seluruh sektor industri non-keuangan dan sektor infrastruktur, utilitas, transportasi memiliki hasil yang tidak signifikan; pada sektor pertambangan ICR merniliki pengaruh terhadap harga saham.

---

This study aimed to analyze the effect on the capital structure of the companys stock price Listed in Indonesia Stock Exchange Period 2010 until 2014. The research was conducted on all non-financial industry sectors; sectors of the mining industry; irifrastructure, utilities and transportation. Testing is done with a multiple linear regression model using model Generelized Least Square (GLS). Results of the study found that simultaneous capital structure (Leverage) effect on the company's stock price in Indonesia. Debt to Equity Ratio (DER) and Long Term Debt to Equity (LDER) in the third study area significantly affect stock prices. Debt to assets ratio (DAR) In the study the entire non-financial corporate sector and the irifrastructure sector, utilities, transportation significantly affect stock prices; while in the mining sector showed no significant results. Equity to Assets Ratio (EAR) on the research results throughout the non-financial corporate sector and the infrastructure sector, utilities, transportation significantly have an effect on stock prices; While the mining sector showed results that are not significantly influence stock prices. Interest Coverage Ratio (ICR) on all non­ financial sectors of industry and irifrastructure sectors, utilities, transportation has no significant results; the mining sector showed significant results that have an impact on stock prices."

"Pemodelan dan peramalan harga saham merupakan hal yang sangat penting bagi seorang investor. Harga saham selalu mengalami perubahan seiring berjalannya waktu. Perubahan ini tidak konstan dan sangat berdampak jika diabaikan karena hal tersebut dapat menimbulkan risiko kerugian. Banyak model yang sudah dibuat dengan tujuan untuk meminimalkan risiko kerugian tersebut. Pada penelitian ini, akan digunakan model ARIMA-GARCH untuk meramalkan volatilitas dalam harga saham. Alasan dari penggunaan gabungan kedua model tersebut adalah karena Model ARIMA saja tidak dapat menangani data dengan volatilitas besar dan yang non-linear. Maka, diharapkan bahwa penggunaan dari model gabungan ini dapat menangani masalah tersebut. Data harga saham yang digunakan pada penelitian ini adalah data harga penutupan dalam dua saham yang termasuk dari indeks LQ45. Pada penelitian ini, data tersebut akan dimasukkan kedalam model gabungan tersebut untuk mendapat peramalan di hari selanjutnya. Setelah itu, akan digunakan metode Walk Forward untuk mendapat semua hasil peramalannya. Dari hasil tersebut, didapat bahwa pengabungan dari ARIMA (1,1,1)-GARCH (1,1) memberikan perdiksi harga saham yang terbaik untuk kedua saham yang dipilih. Lalu, menggunakan hasil MAE dan RMSE dari saham, dapat disimpulkan bahwa model ARIMA-GARCH merupakan model yang dapat memprediksi harga saham dengan baik.

---

For an Investor, modelling and forecasting the stock prices are very important. Stock price fluctuate as time goes and these changes vary from one point of time to another. These changes can be really dangerous if ignored because the risk of loss it might create. Many models have been created with the purpose of minimizing the risk of loss. In this study, the ARIMA-GARCH model will be used to predict closing price in the stock prices which contain volatility. The reason for using the combination of the two models is due to ARIMA model unable to handle large volatility along with non-linear data. Thus, it is hoped the use of this combined model can solve this problem. The data that is used on this study is the closing price of 2 stocks that is part of the LQ45 index. In this research, the data will be used on the combined model to get the forecast price of the next day. Then, the rest of the forecast price will be found using a process called Walk Forward. After acquiring all the forecasted price, it is found that the combination of ARIMA (1,1,1)-GARCH (1,1) yield the best result in forecasting the stock prices. Then, by using MAE and RMSE to check the error of the results, it can be concluded that the ARIMA-GARCH model is a model that is able to predict stock prices well."

"Harga saham yang diperjualbelikan di bursa efek dari waktu ke waktu selalu berfluktuasi. Para investor maupun trader saham harus mengetahui kapan waktu yang tepat untuk memutuskan membeli dan melepas sahamnya agar harapannya akan keuntungan bisa dicapai. Investor atau trader yang sukses ditentukan oleh kemampuannya untuk menentukan market trend dan arah gerakan harga dimasa yang akan datang serta membuat prediksi yang akurat. Untuk maksud itu, maka investor atau pun trader minimal harus menguasai satu metode untuk memprediksi pergerakan harga saham. Dalam melakukan analisa untuk meramalkan gerakan harga saham dimasa yang akan datang, ada dua metode yang dapat dipakai, yaitu Fundamental Analysis dan Technical Analysis. Fundamentalists berusaha meramalkan harga saham berdasarkan forecast dan earnings, dividends, dan sales growth Sedangkan technical analysts mengkonsentrasikan pada forecasting price trend yang menggunakan price-time analysis. Technical analyst beranggapan pergerakan harga saham selalu mengikuti suatu bentuk yang spesifik dan seluruh aspek yang mempengaruhi harga saham sudah dìrefleksìkan pada tingkat harga yang berlaku. Pergerakan harga saham merupakan refleksi dari perubahan supply dan demand. Technical Analysis dapat diaplikasikan secara efektif pada berbagai media investasi yang diperdagangkan pada berbagai skala waktu, misalnya pada saham, obilgasi options, komoditi dan sebagainya; dalam rangka mencari peluang keputusan untuk membeli dan menjual. Telaah kepustakaan dalam karya akhir ini menguraikan berbagi alat yang umumnya digunakan pada technical analysis, yang meliputi important reversal patterns, consolidation formations, gaps, key analytical tools ( support and resistance, trendlines and channels, moving average ), dan advance analysis (oscillators, relative strenght index). Sebelum melakukan analisis harga saham individual, terlebih dahulu dilakukan analisis terhadap overall market dalam hal ini indeks harga saham gabungan dan analisis group industri. Alasan mengapa hal ini dilakukan, karena pergerakan harga saham individual pada umumnya selaras dengan pergerakan harga saham-saham dalam industri yang sama serta saham-saham yang diperdagangkan di bursa secara keseluruhan. Saham individual yang dianalisis dalam karya akhir ini adalah saham Astra International Inc. dan saham Indocement. Pemilihan saham-saham tersebut didasarkan pada kriteria saham yang paling aktif diperdagangkan di Bursa Efek Jakarta (BEJ) dan keduanya berada pada kelompok industri yang sama menurut klasifikasi yang dilakukan oleh PT. Jardine Fleming Nusantara (JFN). Dengan menggunakan beberapa perangkat technical analysis seperti yang diuraikan dalam telaah kepustakaan terhadap kedua saham tersebut, maka dapatlah disimpulkan bahwa pergerakan harga kedua saham tersebut memberikan arah kecenderungan yang meningkat baik ditinjau dari perspektif jangka pendek maupun jangka panjang."

"Runtun waktu adalah salah satu data yang paling umum dan banyak dijumpai di kehidupan sehari-hari. Runtun waktu dianalisis dengan dua tujuan utama, yaitu untuk memodelkan mekanisme stokastik dari runtun waktu tersebut dan untuk melakukan peramalan. Untuk keperluan dua tujuan tersebut, banyak model runtun waktu yang telah dikembangkan, salah satunya adalah model autoregressive moving average (ARMA). Model ARMA adalah model runtun waktu univariat yang cukup populer dan umum digunakan saat ini. Seiring berjalannya waktu, mulai dikembangkan model runtun waktu multivariat, yang dapat memodelkan runtun waktu dengan dua atau lebih variabel. Meng- gunakan model runtun waktu multivariat untuk memodelkan dua atau lebih variabel tentu lebih efektif dibandingkan memodelkannya satu per satu menggunakan model univariat. Selain itu, model runtun waktu multivariat juga dapat menjelaskan hubungan dinamis antarvariabel yang saling terkait. Dalam skripsi ini, akan dijelaskan versi multivariat dari model ARMA, yaitu model vector autoregressive moving average (VARMA), mulai dari karakteristiknya, spesifikasi model, penaksiran parameter, hingga melakukan pera- malan. Penaksiran parameter akan dilakukan dengan menggunakan metode conditional maximum likelihood. Model VARMA ini kemudian akan digunakan untuk melakukan peramalan dua variabel yang cukup berpengaruh dalam ekonomi makro, yaitu data harian indeks harga saham gabungan (IHSG) dan kurs mata uang rupiah terhadap dolar Amerika Serikat. Data tersebut juga akan dimodelkan menggunakan model ARMA(p,q) dan VAR(p). Model yang digunakan adalah model ARIMA(0,1,0) untuk data IHSG, model ARIMA(0,1,2) untuk data kurs rupiah, model VARI(3,1) dan model VARIMA(1,1,1). Menggunakan indikator mean absolute percentage error (MAPE), didapatkan hasil bahwa model VARI(3,1) memberikan hasil peramalan yang paling akurat.

---

Time series is one of the most common data and is often found in everyday life. The purpose of time series analysis is generally twofold: to understand or model the stochastic mechanism that gives rise to an observed series and to predict or forecast the future values of a series based on the history of that series and, possibly, other related series or factors. For the purposes of these two objectives, many time series models have been developed, the most popular one is autoregressive moving average (ARMA) model. The ARMA model is a univariate time series model that is quite popular and commonly used today. Over time, multivariate time series models have been developed, which can model time series with two or more variables. Using a multivariate time series model to model two or more variables is certainly more effective than modeling them one by one using a univariate model. In addition, the multivariate time series model can also explain the dynamic relationship between interrelated variables. In this undergraduate thesis, we will explain the multivariate version of the ARMA model, the vector autoregressive moving average (VARMA) model, starting from its characteristics, model specifications, param- eter estimation, to forecasting. Parameter estimation will be done using the conditional maximum likelihood method. Then, this VARMA model will be used to forecast two maroeconomics indicators: daily data of Indonesia Composite Index and the USD-IDR exchange rate. The data will also be modeled using the ARMA(p,q) and VAR(p) models. In chapter 4, the models used are ARIMA(0,1,0) model for Indonesia Composite Index data, ARIMA(0,1,2) model for USD-IDR exchange rate data, VARI(3,1) model and VARIMA(1,1,1) model. Using the mean absolute percentage error (MAPE) indicator, the results show that VARI(3,1) model provides the most accurate forecasting results."

"Secara historis, beberapa literatur telah menjelaskan tentang perilaku random walk dalam harga saham yang berkaitan dengan efficient market hypothesis dan menemukan bahwa harga saham mengikuti perilaku mean reversion dimana terdapat kecenderungan harga saham bergerak kembali ke jalur tren dari waktu ke waktu. Tujuan dari penelitian ini adalah untuk menyelidiki apakah terdapat tren mean reversion pada harga saham perusahaan dengan koneksi politik di ASEAN-3 (Indonesia, Malaysia, dan Thailand). Selain itu, tujuan penelitian ini juga untuk menyelidiki dampak koneksi politik pada kinerja perusahaan. Tujuan pertama dianalisis menggunakan metode panel unit root test, sedangkan tujuan kedua menggunakan regresi data panel pada 264 perusahaan non-keuangan selama periode 2013-2017. Hasil panel unit root test menunjukkan bahwa terdapat mean reversion pada harga saham perusahaan dengan koneksi politik di negara ASEAN-3. Hasil penelitian mengenai dampak koneksi politik terhadap kinerja perusahaan menunjukkan bahwa di negara ASEAN-3 memiliki dampak positif tetapi tidak signifikan. Penelitian ini memberikan perbandingan yang menarik dengan penelitian sebelumnya mengenai bagaimana perilaku harga saham dan dampak koneksi politik pada kinerja perusahaan khususnya di ASEAN-3.

---

Previous studies have investigated the random walk behavior in stock prices related to the efficient market hypothesis and found that stock prices follow mean reversion behavior means that the stock price return moves to the direction of a reversion level as a reaction to a prior change in the market return.

The purpose of this study is to investigate whether a mean reversion trend exists in the stock price of firms with political connections in Association of Southeast Asian Nations (ASEAN)-3 countries (i.e., Indonesia, Malaysia, and Thailand). In addition, it also examines the impact of political connections on firm performance in 264 non-financial firms.

The results show a mean reversion trend in the stock price of firms with political connections in ASEAN-3 countries. Also, the results show that there is no significant effect of political connections on firm performance. This study provides an interesting finding on the behavior of stock prices and the impact of political connection on non-financial firms, especially in ASEAN-3."