Estimasi Parameter Model Volatilitas Stokastik dengan Metode Bayesian Rantai Markov Monte Carlo untuk Memprediksi Return Saham
Parameter dari suatu distribusi biasanya belum diketahui nilainya, untuk mengetahuinya dilakukan estimasi terhadap parameter tersebut. Metode estimasi parameter ada dua macam, yaitu metode klasik dan metode Bayesian. Metode Bayesian merupakan suatu metode yang menggabungkan distribusi sampel dengan...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Department of Mathematics, FMIPA, Universitas Padjadjaran
2022-01-01
|
| Series: | Jurnal Matematika Integratif |
| Online Access: | https://jurnal.unpad.ac.id/jmi/article/view/34805 |
| Summary: | Parameter dari suatu distribusi biasanya belum diketahui nilainya, untuk mengetahuinya dilakukan estimasi terhadap parameter tersebut. Metode estimasi parameter ada dua macam, yaitu metode klasik dan metode Bayesian. Metode Bayesian merupakan suatu metode yang menggabungkan distribusi sampel dengan distribusi prior. Untuk mendapatkan sampel secara acak adalah dengan menggunakan simulasi. Salah satu teknik simulasi yang digunakan dalam metode Bayesian adalah metode rantai Markov Monte Carlo (RMMC), yaitu suatu metode simulasi untuk membangkitkan peubah-peubah acak yang didasarkan pada rantai Markov. Pada penelitian ini dibahas tentang metode Bayesian dengan RMMC menggunakan algoritma Gibbs Sampling. Metode RMMC menggunakan algoritma Gibbs Sampling ini bekerja membangun rantai Markov dengan pengambilan sampel secara rekursif dari distribusi posterior bersyarat penuh masing-masing parameternya. Pada penelitian ini, metode Bayesian dengan RMMC menggunakan algoritma Gibbs Sampling diterapkan untuk mengestimasi parameter model Volatilitas Stokastik hingga konvergen. Model ini kemudian digunakan untuk memprediksi return saham PT. Indofood CBP Sukses Makmur Tbk. (ICBP.JK). Berdasarkan model Volatilitas Stokastik yang diperoleh didapatkan hasil prediksi untuk return saham hampir mendekati data aktualnya. |
|---|---|
| ISSN: | 1412-6184 2549-9033 |