PENERAPAN MODEL NEURO-GARCH UNTUK PERAMALAN DATA SAHAM
Abstract: Model Neuro-GARCH
merupakan gabungan dari model (ANN) Artificial Neural Network dan modelGARCH
(Generalized Autoregressive Condotional Heteroscedastic). Model GARCH diketahui
sebagai model yang mengandung ragam tidak stasioner (heteroskedastis), sedangkan
ANN dikenal sebagai salah satu metode peramalan yang meniru sistem jaringan
syaraf biologis. Pada model Neuro-GARCH, input yang digunakan yaitu variabel
bebas dari model GARCH yang terbentuk. Tujuan penelitian ini adalah untuk
menerapkan model Neuro-GARCH pada peramalan data saham. Algoritma yang
digunakan yaitu Backpropagation dengan algortima pelatihan Quasi Newton.
Hasilnya menunjukkan bahwa peramalan menggunakan Neuro-GARCH mampu menghasilkan
MSE dan MAD yang lebih kecil daripada metode ANN. Selanjutanya menghitung nilai
VaR dan Capital Gain yang dapat digunakan investor sebagai pertimbangan untuk
berinvestasi saham.
Penulis: Theta Rizky Ramadhani
Kode Jurnal: jpmatematikadd130594
