Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Prediksi trend harga saham dapat berguna bagi trader untuk menentukan nilai saham dimasa yang akan datang. Untuk memprediksi trend dengan analisis teknikal adalah melakukan prediksi harga penutupan saham. Seiring dengan waktu, meningkatnya harga saham setara dengan diperolehnya return saham yang profit. Pada skripsi ini, dilakukan analisis dan prediksi harga penutupan saham selama sebulan menggunakan metode Support Vector Machines ndash; K Nearest Neighbor SVM-KNN . Pertama, terlebih dahulu dilakukan pemilihan indikator teknikal yang berpengaruh terhadap saham perusahaan yang dianalisis menggunakan Support Vector Regression SVR . Kedua, klasifikasi return saham yang terdiri dari profit dan loss dengan SVM. Hasil prediksi label kelas dapat membantu mencari tetangga terdekat dalam memprediksi harga penutupan saham dengan KNN. Percobaan dilakukan menggunakan 3, 4, dan 5 indikator teknikal yang terpilih dan tanpa pemilihan fitur dengan 13 indikator teknikal.

---

Stock price trend prediction is important for trader to determine whether the stock price is rising up or not. To predict the trend using technical stock analysis is by predicting the close prices. Along the time, when the price is rising up then it can indicate profit return. This undergraduate thesis will study how to analysis and prediction of stock closing prices one month ahead with Support Vector Machines ndash K Nearest Neighbor SVM KNN method. First, feature selection method is applied to select the important technical indicators using Support Vector Regression SVR . Second, classify the stock rsquo s return which consist of profit and loss using SVM. The output of class label is used to help find the nearest neighbor. Next, stock prices are forecasted using KNN. This study will be experimented with 3, 4, and 5 selected indicators and compared with 13 technical indicators.

Abstrak :
Pesatnya perkembangan ekonomi menyebabkan kebutuhan manusia menjadi tidak terbatas. Usaha yang dapat dilakukan untuk pemenuhan kebutuhan hidup di masa yang akan datang adalah dengan melakukan investasi. Saham merupakan salah satu instrumen investasi dengan tingkat keuntungan yang menarik, namun memiliki risiko kerugian yang tinggi. Hal ini disebabkan oleh adanya pergerakan harga saham yang cenderung tak menentu selama periode waktu tertentu. Untuk meminimalkan risiko kerugian, perlu dilakukan prediksi pergerakan harga saham. Prediksi yang akurat akan membantu para investor dalam menentukan nilai saham di masa yang akan datang. Pada penelitian ini, dilakukan perbandingan untuk memprediksi pergerakan harga saham menggunakan tiga algoritma supervised machine learning yaitu Random Forest, Support Vector Regression (SVR) dan K- Nearest Neighbor (KNN) berdasarkan tingkat akurasinya. Sutau model dikatakan akurat jika memiliki nilai Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE) yang lebih rendah. Pada penelitian ini, diperoleh hasil prediksi harga penutupan saham terbaik menggunakan metode Support Vector Regression dengan melihat rendahnya nilai RMSE dan MAE yang dihasilkan dibandingkan dengan dua metode lain. Dalam perhitungannya, penelitian ini menggunakan histori data harian dari website investing.com. periode Maret 2017 hingga Februari 2020 dari tiga perusahaan di Indonesia yang terdaftar dalam IDX30. ......The fast growth of economic development causes human needs to be immeasurable. One of the efforts that could be done to fulfill life needs in the future was Investation. Stock is one of the Investation instruments with interesting benefits but has high- risk loss caused by the unstable stock market trend between some period. For minimalizing the risky loss, the literati need to predicting the stock rate trend. The accurate prediction will help the investor in choosing a stock value in the future. In this study, the literati make a comparison to predict stock market trend with three kinds of algorithms supervised machine learning that are Randon Forest, Support Vector Regression (SVR), and K-Nearest Neighbor (KNN) based on their accurate level. A model could be said accurate just if they have a lower value of Root Mean Square Error (RMSE) and Mean Absolute Error (MAE). The best Stock Closing Price prediction will be obtained by the Support Vector Regression method and see how low the result of RMSE and MAE value is compared with another method. To calculate, the study uses a daily data history from investing.com website between March 2017 to February 2020 period. The object data is a three big company in Indonesia which listed in IDX30.

Abstrak :
ABSTRAK
Opsi saham merupakan salah satu jenis sekuritas derivatif yang nilai kontraknya bergantung pada nilai saham yang tercantum pada kontrak opsi. Opsi saham Asia termasuk ke dalam jenis opsi eksotik yang nilainya dipengaruhi oleh rata-rata nilai saham sepanjang masa hidup opsi. Dalam skripsi ini rata-rata nilai aset yang digunakan adalah rata-rata geometrik. Nilai saham yang digunakan dalam skripsi ini akan mengikuti model CEV Constant Elasticity of Variance yang merupakan bentuk umum dari model Black-Scholes yang terkenal. Dalam menentukan nilai opsi secara analitik dengan model CEV sangatlah sulit maka dari itu nilai dari opsi Asia dimodelkan ke dalam persamaan diferensial parsial. Persamaan diferensial parsial untuk opsi Asia nantinya akan diselesaikan dengan metode perturbasi. Metode perturbasi yang digunakan adalah metode perturbasi regular. Pada akhirnya akan dihasilkan formula untuk menentukan harga opsi call Asia dengan model CEV dan rata-rata geometrik

---

ABSTRACT
Stock options are one type of derivative securities whose contract value depends on the value of the shares listed on the option contract. Asian stock options fall into the type of exotic options whose value is affected by the average share value throughout the lifetime of the option. In this thesis the average asset value used is the geometric average. The stock value used in this thesis will follow the CEV Constant Elasticity of Variance model which is a general form of the famous Black Scholes model. In determining the analytic option value with the CEV model it is very difficult, because of that the value of the Asian option is modeled into a partial differential equation. Partial differential equations for Asian options will be solved by perturbation method. The perturbation method used is a regular perturbation method. In the end a formula will be generated to determine the price of Asian call option with CEV model and geometric mean.

Abstrak :
Asymptotic analysis of stochastic stock price models is the central topic of the present volume. Special examples of such models are stochastic volatility models, that have been developed as an answer to certain imperfections in a celebrated Black-Scholes model of option pricing. In a stock price model with stochastic volatility, the random behavior of the volatility is described by a stochastic process. For instance, in the Hull-White model the volatility process is a geometric Brownian motion, the Stein-Stein model uses an Ornstein-Uhlenbeck process as the stochastic volatility, and in the Heston model a Cox-Ingersoll-Ross process governs the behavior of the volatility. One of the author's main goals is to provide sharp asymptotic formulas with error estimates for distribution densities of stock prices, option pricing functions, and implied volatilities in various stochastic volatility models. The author also establishes sharp asymptotic formulas for the implied volatility at extreme strikes in general stochastic stock price models.