文章基本信息

标题：Valuasi Harga Saham PT Aneka Tambang Tbk sebagai Peraih IDX Best Blue 2016
本地全文：下载
作者：Trimono Trimono ; Di Asih I Maruddani
期刊名称：Statistika
印刷版ISSN：1411-5891
出版年度：2017
卷号：17
期号：1
页码：33-43
DOI：10.29313/jstat.v17i1.2579
出版社：Universitas Islam Bandung
摘要：Menginvestasikan dan untuk membeli saham sebuah perusahaan merupakan salah satu bentuk investasi sektor finansial yang banyak diminati oleh para investor. Keuntungan investasi saham yang diperoleh, dapat dilihat dari nilai return saham. Harga saham adalah faktor utama yang berpengaruh terhadap nilai return saham. Namun, harga saham pada masa yang akan datang sering kali sulit untuk diprediksi. Geometric Brownian Motion (GBM) merupakan metode yang dapat digunakan untuk memprediksi harga saham jika diasumsikan return saham masa lalu berdistribusi normal. Jika dalam return saham masa lalu yang berdistribusi normal terdapat lompatan ( jump ), maka digunakan metode Jump Diffusion . Setelah diperoleh harga saham prediksi, dapat diukur nilai risiko investasinya. Hasil prediksi harga saham PT Aneka Tambang Tbk periode 01/12/2016 sampai dengan 31/1/2017 dengan metode GBM, diperoleh nilai MAPE sebesar 11,01%. Berdasarkan nilai skewness dan kurtosis , dalam data return saham ANTM terdapat lompatan, sehingga harga saham ANTM lebih tepat dimodelkan dengan metode Jump Diffusion . Hasil prediksinya diperoleh nilai MAPE sebesar 1,95%. Metode Jump diffusion lebih tepat digunakan untuk prediksi, karena menghasilkan nilai MAPE yang lebih kecil. Untuk mengukur risiko investasi harga saham prediksi yang diperoleh dari model Jump Diffusion , digunakan metode VaR simulasi Monte Carlo dengan tingkat kepercayaan 95%. Dalam jangka waktu 1 hari setelah tanggal 25 Januari 2017 kerugian yang diterima tidak melebihi 5,617%. Berdasarkan uji backtesting , nilai VaR harga saham prediksi dengan metode Jump Diffusion pada taraf signifikansi 5% menghasilkan perhitungan yang akurat, karena tidak ditemukan adanya pelanggaran.
关键词：Geometric Brownian Motion; Jump Diffusion Model; Value at Risk; Backtesting