RESCOLLACOMMRESCOLLACOMM
International Journal of Quantitative Research and ModelingInternational Journal of Quantitative Research and ModelingVolatilitas harga saham merupakan salah satu indikator risiko investasi yang paling kritis, khususnya pada saham perbankan Islam yang menghadapi tantangan ganda antara dinamika pasar modal konvensional dan kepatuhan terhadap prinsip syariah. Penelitian ini membandingkan kinerja prediktif dua pendekatan pemodelan, yaitu Long Short-Term Memory (LSTM), sebuah arsitektur deep learning berbasis Recurrent Neural Networks, dan model ekonometrik klasik ARIMA‑GARCH, dalam memprediksi volatilitas harga saham empat penerbit perbankan Islam di Indonesia, yaitu BRIS (Bank Syariah Indonesia), BSIM (Bank Sinarmas Syariah), PNBS (Bank Panin Dubai Syariah), dan BTPNS (Bank BTPN Syariah) untuk periode 2019–2024. Data harga penutupan harian diperoleh dari Bursa Efek Indonesia (BEI). Model ARIMA‑GARCH dibangun melalui tahap identifikasi, estimasi, dan pengujian diagnostik Box‑Jenkins, sedangkan model LSTM dioptimalkan melalui penyesuaian hiperparameter dengan jendela bergulir 60 hari. Kinerja prediksi dievaluasi menggunakan Mean Absolute Percentage Error (MAPE), Root Mean Square Error (RMSE), dan Mean Absolute Error (MAE). Hasil penelitian menunjukkan bahwa model LSTM secara konsisten menghasilkan nilai MAPE yang lebih rendah dibandingkan ARIMA‑GARCH untuk semua penerbit yang diteliti, terutama pada periode volatilitas tinggi seperti pandemi COVID‑19 (2020) dan ketidakstabilan suku bunga global (2022–2023). Namun, model ARIMA‑GARCH memberikan interpretabilitas yang lebih baik dan lebih stabil pada kondisi pasar yang tenang. Penelitian ini memberikan kontribusi pada literatur keuangan kuantitatif berbasis syariah di Indonesia serta implikasi praktis bagi investor dan manajer risiko.
Penelitian ini membandingkan model ARIMA‑GARCH dan LSTM dalam memprediksi volatilitas harga saham perbankan Islam di Indonesia, menunjukkan LSTM menghasilkan akurasi prediksi yang lebih tinggi (MAPE rata‑rata 9,52 % vs 14,16 %) dan perbedaan signifikan secara statistik.Keunggulan LSTM terutama terlihat pada periode volatilitas tinggi, sementara ARIMA‑GARCH tetap penting karena memberikan interpretasi yang jelas terhadap persistensi volatilitas melalui parameter ARCH dan GARCH.Oleh karena itu, LSTM direkomendasikan untuk kebutuhan prediksi risiko yang menekankan akurasi, sedangkan ARIMA‑GARCH dapat berfungsi sebagai model interpretatif dan benchmark statistik.
Penelitian lanjutan dapat menyelidiki pengaruh penambahan variabel eksternal seperti volume perdagangan, indeks saham Jakarta, nilai tukar, tingkat inflasi, suku bunga Bank Indonesia, serta indikator sentimen berita terhadap akurasi prediksi volatilitas saham perbankan Islam, dengan menguji apakah kombinasi data tersebut meningkatkan performa model LSTM dan ARIMA‑GARCH. Selanjutnya, dapat dikembangkan model hibrida yang mengintegrasikan kekuatan interpretasi statistik ARIMA‑GARCH dengan kemampuan pembelajaran non‑linear LSTM, misalnya melalui arsitektur ARIMA‑GARCH‑LSTM, mekanisme perhatian (Attention‑LSTM), atau jaringan Transformer, untuk menilai apakah pendekatan gabungan tersebut menghasilkan prediksi volatilitas yang lebih akurat dan tetap dapat dijelaskan secara ekonomi. Terakhir, studi dapat memperluas cakupan sampel dengan mencakup lebih banyak perusahaan perbankan Islam serta instrumen keuangan syariah lainnya, serta memperpanjang periode analisis hingga dekade terakhir, untuk mengevaluasi ketahanan temuan terhadap perubahan struktural pasar dan menilai generalisasi hasil ke konteks keuangan Islam yang lebih luas. Selain itu, penelitian dapat menerapkan teknik validasi silang temporal untuk memastikan robustitas model pada data out‑of‑sample, serta mengeksplorasi dampak regulasi OJK terhadap volatilitas saham syariah, sehingga memberikan panduan kebijakan yang lebih komprehensif bagi regulator dan praktisi pasar modal.
| File size | 425.18 KB |
| Pages | 10 |
| DMCA | Report |
Related /
ITSCIENCEITSCIENCE Penelitian ini menemukan bahwa pengungkapan ESG tidak memberikan dampak signifikan terhadap nilai perusahaan yang diukur dengan Tobins Q, karena koefisienPenelitian ini menemukan bahwa pengungkapan ESG tidak memberikan dampak signifikan terhadap nilai perusahaan yang diukur dengan Tobins Q, karena koefisien
RESCOLLACOMMRESCOLLACOMM Penelitian ini menyajikan kerangka DCC‑EGARCH‑CVaR untuk optimasi portofolio pada saham blue‑chip IDX, menunjukkan bahwa model EGARCH(1,1) menyesuaikanPenelitian ini menyajikan kerangka DCC‑EGARCH‑CVaR untuk optimasi portofolio pada saham blue‑chip IDX, menunjukkan bahwa model EGARCH(1,1) menyesuaikan
RESCOLLACOMMRESCOLLACOMM Konsentrasi 100 % (K3) menyebabkan laju pertumbuhan miselium paling lambat dan penurunan berat substrat terendah karena stres osmotik dan repressi katabolismeKonsentrasi 100 % (K3) menyebabkan laju pertumbuhan miselium paling lambat dan penurunan berat substrat terendah karena stres osmotik dan repressi katabolisme
SCITECHGRUPSCITECHGRUP Hasil menunjukkan bahwa bagian biji memberikan tingkat mortalitas tertinggi, sementara formulasi dalam bentuk nanopartikel dan mikropartikel terbukti meningkatkanHasil menunjukkan bahwa bagian biji memberikan tingkat mortalitas tertinggi, sementara formulasi dalam bentuk nanopartikel dan mikropartikel terbukti meningkatkan
SEMINAR IDSEMINAR ID Dari hasil analisis, secara simultan otomatisasi pencatatan, kepatuhan regulasi terbukti berpengaruh terhadap keberlanjutan UMKM, pengendalian internalDari hasil analisis, secara simultan otomatisasi pencatatan, kepatuhan regulasi terbukti berpengaruh terhadap keberlanjutan UMKM, pengendalian internal
UBUB Penelitian ini diharapkan dapat memberikan solusi keamanan yang efisien dan efektif untuk sistem IoT yang menggunakan sensor GPS dan modul komunikasi NRF24L01.Penelitian ini diharapkan dapat memberikan solusi keamanan yang efisien dan efektif untuk sistem IoT yang menggunakan sensor GPS dan modul komunikasi NRF24L01.
ENDLESS JOURNALENDLESS JOURNAL Dan sejak tradisi adat yang mereka miliki mencakup semua aspek kehidupan, mereka menyelami kehidupan sesuai dengan tradisi ini. Tulisan ini mengkhususkanDan sejak tradisi adat yang mereka miliki mencakup semua aspek kehidupan, mereka menyelami kehidupan sesuai dengan tradisi ini. Tulisan ini mengkhususkan
PENERBITGOODWOODPENERBITGOODWOOD Total waktu pelatihan model Word2Vec-LSTM masih jauh lebih cepat, yaitu sekitar 3 menit untuk kedua dataset, dibandingkan dengan model IndoBERT-LSTM yangTotal waktu pelatihan model Word2Vec-LSTM masih jauh lebih cepat, yaitu sekitar 3 menit untuk kedua dataset, dibandingkan dengan model IndoBERT-LSTM yang
Useful /
LIFESCIFILIFESCIFI , 2024). Meskipun pergeseran ini memberikan karyawan otonomi yang lebih besar, tetapi juga semakin menghapus garis pemisah antara kehidupan kerja dan pribadi,, 2024). Meskipun pergeseran ini memberikan karyawan otonomi yang lebih besar, tetapi juga semakin menghapus garis pemisah antara kehidupan kerja dan pribadi,
RESCOLLACOMMRESCOLLACOMM Studi ini bertujuan untuk memeriksa evolusi tema penelitian ini dan menilai bagaimana struktur pengetahuan bidang ini telah berkembang selama transisiStudi ini bertujuan untuk memeriksa evolusi tema penelitian ini dan menilai bagaimana struktur pengetahuan bidang ini telah berkembang selama transisi
GREENPUBGREENPUB Penelitian ini bertujuan untuk menganalisis pengaruh kompetensi aparatur terhadap kinerja keuangan, baik secara langsung maupun tidak langsung melaluiPenelitian ini bertujuan untuk menganalisis pengaruh kompetensi aparatur terhadap kinerja keuangan, baik secara langsung maupun tidak langsung melalui
UBUB Aplikasi ini dilengkapi dengan fitur kontrol IoT, manajemen perangkat, dan monitoring layanan, serta fitur tambahan seperti smart advisor dan kalkulatorAplikasi ini dilengkapi dengan fitur kontrol IoT, manajemen perangkat, dan monitoring layanan, serta fitur tambahan seperti smart advisor dan kalkulator