Farcha, Rozaila (2019) Estimasi Value At Risk (VaR) Model Arima(p,d,q) Dengan Simulasi Monte Carlo Pada Data Saham PT. LIPPO KARAWACI TBK. Sarjana thesis, Universitas Brawijaya.
Abstract
Return merupakan salah satu data deret waktu yang dapat dimodelkan dengan pemodelan ARIMA(p,d,q). Fluktuasi tingkat pengembalian (return) dapat mencerminkan besar kecilnya risiko yang akan diperoleh. Value at Risk (VaR) merupakan salah alat ukur yang dapat menghitung besarnya kerugian (risiko) terburuk yang terjadi pada portofolio maupun saham dengan tingkat kepercayaan tertentu dan dalam periode tertentu. Salah satu metode perhitungan VaR yang sering digunakan adalah metode simulasi Monte Carlo. Studi simulasi dilakukan karena memiliki salah satu kelebihan yaitu dapat menganalisa ketidakpastian dimana tujuannya adalah untuk menentukan bagaimana variasi eror mempengaruhi performa dari sistem yang dimodelkan. Monte Carlo dapat dihitung dengan dua pendekatan yaitu pendekatan statis (deterministik) dan pendekatan dinamis. Berdasarkan hasil simulasi, kedua pendekatan menghasilkan estimasi risiko yang fluktuatif. Pada pendekatan statis (deterministik) menghasilkan peramalan risiko yang meningkat seiring bertambahnya periode waktu peramalan. Sementara itu pada pendekatan dinamis menghasilkan nilai risiko yang lebih konvergen seiring bertambahnya periode waktu peramalan.
English Abstract
Return is one of the time-series data that can be modeled by ARIMA(p, d, q). Fluctuations in the rate of return (return) can reflect the size of the risk to be obtained. Value at Risk (VaR) is a tool that can calculate the amount of the worst losses (risks) that occur in portfolios or stocks with a certain level of confidence and within a certain period. One method of VaR calculation that is often used is the Monte Carlo simulation method. The simulation study is carried out because it has one of the advantages of being able to analyze uncertainty where the aim is to determine how the variation of the error affects the performance of the system being modeled. Monte Carlo can be calculated with two approaches, namely a static (deterministic) approach and a dynamic approach. Based on the simulation results, both approaches produce fluctuating risk estimates. The static (deterministic) approach produces risk forecasting which increases with increasing forecasting periods. Meanwhile, the dynamic approach produces more convergent risk values as the forecast period increases.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2019/394/052001549 |
| Uncontrolled Keywords: | ARIMA(p,d,q), Value at Risk, Monte carlo |
| Subjects: | 500 Natural sciences and mathematics > 511 General principles of mathematics > 511.8 Mathematical models (Mathematical simulation) |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 05 Aug 2020 08:06 |
| Last Modified: | 05 Aug 2020 08:06 |
| URI: | http://repository.ub.ac.id/id/eprint/179956 |
Actions (login required)
 |
View Item |