Prediksi Harga Saham Menggunakan Geometric Brownian Motion dan Perhitungan Value at Risk pada Aset Tunggal (Studi Kasus pada Saham BBNI, TLKM, KLBF)

Mutia, Nabila Nur and Dr. Dra. Umu Sa’adah, M.Si. (2024) Prediksi Harga Saham Menggunakan Geometric Brownian Motion dan Perhitungan Value at Risk pada Aset Tunggal (Studi Kasus pada Saham BBNI, TLKM, KLBF). Sarjana thesis, Universitas Brawijaya.

Abstract

Investasi merupakan salah satu sarana investor untuk mendapatkan keuntungan di masa yang akan datang. Di zaman yang semakin maju, investor dapat menggunakan berbagai sarana dalam melakukan investasi, salah satunya adalah saham. Tidak hanya memberikan keuntungan, investasi juga dapat memberikan risiko kerugian sehingga diperlukan sebuah perhitungan untuk meminimalkan risiko kerugian yang ditanggung oleh investor. Pada skripsi ini membahas prediksi harga saham dengan menggunakan Geometric Brownian Motion (GBM) dan perhitungan nilai Value at Risk (VaR) dengan simulasi Monte Carlo sebagai salah satu tolok ukur untuk menetapkan seberapa besar target risiko. Adapun sumber data yang digunakan adalah harga saham harian periode 2 Januari 2023 hingga 28 Juli 2023 pada saham BBNI, TLKM, KLBF. Mean Absolute Percentage Error (MAPE) digunakan untuk mengukur akurasi prediksi harga saham. Pengukuran akurasi nilai VaR dilakukan backtesting dengan uji Kupiec. Berdasarkan hasil penelitian, didapatkan nilai MAPE data testing untuk saham BBNI, TLKM, dan KLBF berturut-turut adalah 1,06%, 2,19% dan 1,15%. Nilai MAPE ketiga saham tersebut kurang dari 10%, maka hasil prediksi menunjukkan kriteria yang sangat baik karena kesalahan prediksinya sangat kecil. Hasil uji backtesting untuk nilai VaR yang menggunakan metode simulasi Monte Carlo dari saham BBNI, TLKM, dan KLBF berturut-turut adalah 0,361; 0,746; dan 0,005. Hasil uji backtesting menunjukkan nilai Loglikelihood ratio kurang dari 3,841. Estimasi kerugian maksimum atau VaR untuk saham BBNI, TLKM, dan KLBF berturut-turut adalah sebesar -0,443331%, -0,401143%, dan -0,531552% dapat diterima.

English Abstract

Investment is one of the tools for investor to gain profits in the future. In this digital era, there are so many options for investor to do investment, like stock. However, not only gaining a profits, stock investment also come with the risk of losses, hence requiring calculation to minimize the risk. This final project discussed about stock prices prediction using Geometric Brownian Motion (GBM) and Value at Risk (VaR) calculation with Monte Carlo simulation as a benchmark to determine the extent of risk targets. The data source used is BBNI, TLKM, KLBF daily stock price for the period 2 January 2023 – 28 July 2023. Mean Absolute Percentage Error (MAPE) is used to measure the accuracy of stock price predictions. VaR is backtested using the Kupiec test to measure the accuracy. Based on the research results, the MAPE values for the testing data of BBNI, TLKM, and KLBF stocks are 1,06%, 2,19%, and 1,15% respectively. The MAPE values for all three stocks are less than 10%, indicating excellent prediction performance as the prediction errors are very small. The backtesting results for VaR values, using the Monte Carlo simulation method for BBNI, TLKM, and KLBF stocks, are 0,361; 0,746; 0,005 respectively. The backtesting results show that the Loglikelihood ratio values are less than 3,841. The estimated maximum loss or VaR for BBNI, TLKM, and KLBF stocks, respectively, are -0,416954%, - 0,366501%, -0,500898%, which are acceptable.

Item Type:	Thesis (Sarjana)
Identification Number:	052409
Uncontrolled Keywords:	Geometric Brownian Motion, saham, simulasi Monte Carlo.
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User:	Unnamed user with username nova
Date Deposited:	22 Aug 2024 04:16
Last Modified:	22 Aug 2024 04:16
URI:	http://repository.ub.ac.id/id/eprint/223685

Text (DALAM MASA EMBARGO) Nabila Nur Mutia.pdf Restricted to Registered users only Download (4MB)

Actions (login required)

View Item