Prediksi Volatilitas Return Saham IDX30 menggunakan model Echo State Network
Abstract
Abstrak— Prediksi volatilitas return saham merupakan fenomena yang saat ini dampaknya sangat besar terhadap eksistensi pasar finansial. Untuk melakukan suatu prediksi volatilitas banyak model yang dapat digunakan.. Penelitian yang sudah dilakukan untuk memprediksi volatilitas return saham menggunakan echo state network didapatkan nilai performansi yang baik jika menggunakan parameter forecast 1 langkah waktu dimana didapatkan nilai rata-rata R Square 0.763 pada 15 saham IDX30 dibandingkan dengan menggunakan parameter forecast 5 atau 21 langkah waktu. Dan rata-rata nilai MSE dari 15 saham IDX30 memiliki nilai 2.312 ini lebih baik dibandingkan jika menggunakan parameter forecast 5 atau 21 langkah waktu.
Kata Kunci — volatilitas, return saham, esn
Downloads
References
Julianto, Andrie & Syafarudin, Afriapollo. (2020). STOCK RETURN ANALYSIS AND IMPLICATIONS IN COMPANY VALUE (PLASTIC AND PACKAGING COMPANIES
LISTED IN IDX). International Journal of Engineering Technologies and Management
Research. 6. 101-118. 29121/ijetmr.v6.i7.2019.420.
Y. V. Reddy and P. Narayan,
Karolyi, G.A., 2001. Why Stock Return Volatility Really Matters. Institutional Investor Journals Series, (614), pp.1-16.
L. Che, "Investor Types and Stock Return Volatility", SSRN Electronic Journal, 2016. Available: 10.2139/ssrn.1731594.
L. Rupande, H. Muguto and P. Muzindutsi, "Investor sentiment and stock return volatility: Evidence from the Johannesburg Stock
Exchange", Cogent Economics & Finance, vol.
, no. 1, p. 1600233, 2019. Available: 1080/23322039.2019.1600233.
G. Trierweiler Ribeiro, A. Alves Portela
Santos, V. Cocco Mariani and L. dos Santos
Coelho, "Novel hybrid model based on echo state neural network applied to the prediction of stock price return volatility", Expert Systems with Applications, vol. 184, p. 115490, 2021. Available: 1016/j.eswa.2021.115490.International
Review of Financial Analysis, vol. 63, pp. 1–9,
May 2019, doi: 10.1016/j.irfa.2019.02.007.
J. Qiao, F. Li, H. Han and W. Li, "Growing Echo-State Network With Multiple Subreservoirs", IEEE Transactions on Neural Networks and Learning Systems, vol
