Hasil Pencarian  ::  Simpan CSV :: Kembali

"Algorithmic trading (AT) sebagai fenomena mutakhir di pasar keuangan, khususnya pasar di Amerika dan wilayah Eropa, masih menjadi kontroversi. Ada yang menganggap (dan menunjukkan) AT memberi pengaruh positif terhadap market quality, ada juga yang menunjukkan hal sebaliknya. Menggunakan proxy aktivitas perdagangan, penelitian ini mengidentifikasi tren penggunaan AT dan dampaknya terhadap market quality di BEI. Adanya peningkatan aktivitas perdagangan (trading) yang dibarengi perubahan strategi perdagangan (nature of trading) menjadi petunjuk kuat tren penggunaan AT di BEI, meskipun dengan intensitas yang relatif lebih rendah dibandingkan pada pasar-pasar negara maju. Secara umum AT meningkatkan bid-ask spreads dan effective spreads, menurunkan bid-ask depth, serta mengurangi volatilitas harga saham. Hal ini menjadi indikasi bahwa AT memberi dampak negatif dengan menurunkan likuiditas pasar namun di saat yang sama justru memberi dampak positif dengan mengurangi volatilitas harga saham di BEI.

---

Algorithmic trading (AT) as a fairly new phenomenon in financial markets, especially in the American and European markets, still have controversy and discourse with respect to its impact on market quality. Using normalized measure of Indonesia Stock Exchange (IDX) electronic message traffic as proxy for AT, this paper investigates AT and its impact on market quality in IDX. Significant increase in trading activity as well as change of trading strategy have become evidence of an increase in the use of AT in IDX, with relatively lower than both US and European markets. In general, AT wide bid-ask spreads and effective spreads, reduces bid-ask depth, as well as reduces volatility. These findings indicate that AT has negative impact on liquidity and positive impact on volatility in IDX."

"Saham merupakan salah satu surat berharga yang diterbitkan dan dijual oleh perusahaan,yang telah memenuhi syarat, di Bursa Efek Indonesia. Prinsip dasar yang dimiliki olehsaham adalah High Risk High Reward, yang menggambarkan bahwa saham memangdapat memiliki hasil yang besar, namun memiliki risiko yang tinggi pula. Denganprinsip High Risk High Reward, tentunya para investor harus lebih hati-hati dalammenentukan langkah yang akan mereka lakukan. Salah satu cara yang dapat digunakanuntuk mengurangi risiko, yaitu melakukan prediksi tren harga saham menggunakanMachine Learning. Menggunakan data historis saham pada Bursa Efek Indonesia,yaitu open, high, low, dan close price, algoritma Machine Learning dapat melakukanprediksi tren harga saham yang selanjutnya akan digunakan sebagai strategi investasipara investor. Terdapat banyak metode Machine Learning yang dapat digunakan untukmelakukan prediksi, salah satu metode yang dapat digunakan adalah Recurrent NeuralNetwork yaitu Long Short Term Memory (LSTM). Pada metode LSTM, data historisharga saham akan dibawa ke depan melalui seluruh gerbang LSTM yaitu: ForgetGate, Input Gate, dan Output Gate. Selanjutnya akan dicari nilai loss dari model,setelah didapat nilai loss, model akan ditinjau kembali setiap tahapannya, dimulai daribelakang. Langkah pengulangan tesebut dilakukan agar mendapat variabel Weight danBias yang optimal. Kemudian, tingkat akurasi dari metode tersebut akan ditentukanmenggunakan: Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE).Penelitian ini menggunakan data historis perusahaan yang termasuk pada Indeks LQ45dan dapat diambil melalui website, finance.yahoo.com. Dari penelitian ini, diketahuibahwa, masing-masing masalah memiliki model terbaiknya, untuk penyelesaian masalahtersebut.

---

Stock is a part of ownership of a company, that have fulfill the requirement to be sold at

Bursa Efek Indonesia. The basic principal of stock market is High Risk High Reward,

which describe that stock market indeed have a chance to get a great profit, but it also

come with a high risk. This principal is the reason that all investor must be cautious in

deciding their move. There’s many method to do this, with one of the being, forecasting

the stock market trend with machine learning. With the historical data, that include

open, high, low, dan close price, the machine learning algorithm, could forecast the stock

market direction for the next days, which will be one of the deciding factor for investor to

choose their move. Nowadays, there’s many machine learning method that can be used to

forecast, one of them is the branch method of Recurrent Neural Network, which is, Long

Short Term Memory (LSTM). LSTM use the historical data, and bring them forward to,

Forget Gate, Input Gate, Memory State, Output Gate. Then the loss value of the model

will be calculated. After all the process the model will be re-evaluated. The re-evaluation

step is to update all the weights and biases in the model. Then the accuracy of the model

will be evaluated with Root Mean Squared Error (RMSE) and Mean Absolute Error

(MAE). This study uses the historical data of the companys that’s included in the index

LQ45, and the data is taken from the website, finance.yahoo.com. From this research, it

is known that every problem has their own preference model to solve."

"Tujuan penelitian ini adalah untuk menganalisis pengaruh konsensus rekomendasi dan jumlah analis terhadap abnormal return perusahaan yang terdaftar di Bursa Efek Indonesia. Studi ini menganalisis imbal hasil saham 168 perusahaan dari periode Januari 2007 hingga Desember 2012 yang mendapatkan rekomendasi, yang dikumpulkan dari pusat data Institutional Brokers Estimate System (I/B/E/S). Imbal hasil dihitung menggunakan Buy and Hold Abnormal Return (BHAR) selama 5 hari dan 20 hari. Hasil analisis menunjukkan terdapat pengaruh signifikan positif konsensus rekomendasi dan signifikan negatif jumlah analis terhadap abnormal return. Nilai negatif dari jumlah analis dapat menjadi indikasi adanya dispersi rekomendasi yang tinggi antar analis dalam konsensus rekomendasi analis. Di saat krisis, konsensus rekomendasi menghasilkan abnormal return yang lebih rendah dibandingkan pada saat stabil. Sementara itu tidak ada perbedaan pengaruh jumlah analis dalam periode krisis dan normal.

---

The purpose of this study is to analyze the effect of recommendation consensus and number of analyst in abnormal returns of listed firms in Indonesia Stock Exchange. This study analyzes 168 covered firm?s data from the period December 2006 to December 2012, collected from Institutional Brokers Estimate System (I/B/E/S). Abnormal return is calculated with Buy and Hold Abnormal Return (BHAR) for 5 days and 20 days.

Findings shows that there is a significant positive impact from recommendation consensus and significant negative impact from number of analyst to abnormal return. Negative value from number of analyst could indicate a high dispersion of recommendations in analyst recommendation consensus. On crisis period, recommendation consensus has lower abnormal return than on normal period. In addition, there is no difference of number of analyst effect between crisis and normal period."

"ABSTRAKSaya meneliti profitabilitas strategi momentum harga dan strategi momentum gayapada pasar modal di Indonesia dalam rentang waktu 2000 hingga 2015. Saya menemukanbahwa strategy momentum gaya mampu menghasilkan keuntungan secarakonsisten, sedangkan strategi momentum harga tidak menghasilkan keuntunganyang konsiten dan cenderung memberikan imbal hasil yang negatif. Keuntunganmomentum gaya tetap muncul setelah mengendalikan faktor pasar menggunakanIHSG. Temuan ini mengindikasikan bahwa pasar modal Indonesia berada padatingkatan pasar efisien bentuk-lemah namun tidak mencapai pasar efisien bentuksemi-kuat karena saya menemukan bahwa strategi momentum gaya yang memeringkatsaham berdasarkan informasi publik mampu untuk memberikan imbal hasilyang signifikan.

---

ABSTRACTI investigate the profitability of style and price momentum strategy in Indonesianstock market between 2000 and 2015. I find that the style momentum strategyconsistently generates profit while the price momentum strategy does not give consistentprofit and tend to yield negative return. The profitability of style momentumstrategy is persistent after controlling for market factor using JSX index. My findingssuggest that the weak-form efficient market exists in Indonesian stock marketwhile the semi-strong form does not hold since I find that style momentum strategywhich ranks stocks using publicly available information is able to give significantreturn."

"Penelitian ini bertujuan untuk mengidentifikasi dan menjelaskan hubungan saling ketergantungan pasar saham di Asia dan Amerika Serikat sebelum, selama, dan sesudah terjadinya krisis finansial di Amerika Serikat tahun 2008?2009. Metode penelitian yang digunakan untuk melihat adanya hubungan saling ketergantungan adalah lewat uji koefisien korelasi dan uji kausalitas Granger. Hasil penelitian menunjukkan bahwa adanya hubungan saling ketergantungan pada sebelum, selama, dan sesudah terjadinya krisis. Sebelum terjadinya krisis, terdapat hubungan saling ketergantungan antara Singapura dan Jepang, Singapura dan Amerika Serikat, Hong Kong dan Amerika Serikat, India dan Amerika Serikat; selama terjadinya krisis, Singapura dan Hong Kong, Cina dan India saling memiliki ketergantungan; dan sesudah terjadinya krisis, terdapat hubungan saling ketergantungan antara Hong Kong dan India, Hong Kong dan Amerika Serikat.

---

This research aims to identify and explain the interdependence of Asian stock markets and the United States stock market before, during, and after the United States financial crisis in 2008?2009. The research methodology that has been used to identify this interdependence is the correlation coefficient test and the Granger causality test. The results of these tests identified and confirmed proven interdependencies before, during, and after the crisis. Before the crisis, interdependencies existed between Singapore and Japan, Singapore and the United States, Hong Kong and the United States, India and the United States; during the crisis, Singapore and Hong Kong, China and India were all interdependent; and after the crisis, interdependencies existed between Hong Kong and India, Hong Kong and the United States."

"Penelitian ini berutujuan untuk menganalisa efek dari pandemic COVID-19 yang terjadi di Indonesia terhadap volatilitas pasar saham di Indonesia, dengan menggunakan beberapa variabel yaitu, exchange rate USD/IDR, harga emas, dan harga minyak. Metode yang digunakan untuk pengolahan data yaitu Generalized Auto-Regressive Conditional Heteroskedasticity (GARCH) dengan alat yang digunakan adalah EVIEWS.

---

This research aims to analyze the effect of COVID-19 pandemic that happens globally towards stock market volatility in Indonesia. Several variabels that are used in this research are, USD/IDR exchange rate, price of gold, and price of oil. The method that this research use is Generalized Auto-Regressive Conditional Heteroskedasticity (GARCH) which processed by EVIEWS. "

"Pengaruh dan hubungan makroekonomi terhadap pasar modal telah lama menjadi fokus berbagai penelitian. Penelitian-penelitian ini berdasarkan pemahaman bahwa pasar modal yang memperdagangkan saham sebagai salah satu instrumen investasi utama merupakan representasi dari unit usaha yang melakukan aktifitasnya dalam lingkungan makroekonomi suatu negara, sehingga makroekonomi sebagai gambaran aktifitas perekonomian dalam suatu negara seharusnya berpengaruh terhadap saham atau pasar modal secara keseluruhan. Tesis ini berusaha meneliti pengaruh dan hubungan indeks harga saham terhadap Produk Domestik Bruto dengan menekankan analisis terhadap perbedaan pengaruh dan hubungan tersebut antara indeks kategori defensive stock dan cyclical stock.Metode penelitian yang digunakan untuk melakukan analisa serta penarikan kesimpulan adalah analisa bivariat dengan model regresi log-log dan korelasi sederhana. Produk Domestik Bruto (PDB) digunakan sebagai proxy kegiatan makroekonomi, sedangkan untuk proxy pasar modal secara keseluruhan menggunakan Indeks Harga Saham Gabungan (IHSG). Proxy saham kategori defensive stock menggunakan indeks pertanian serta indeks utilitas, infrastruktur dan transportasi, sedangkan untuk proxy saham kategori cyclical stock menggunakan indeks properti dan real estat serta indeks keuangan. Periode penelitian mencakup tahun triwulan I tahun 1996sampai triwulan IV tahun 2003.Model yang menggunakan lag time 2 (dua) triwulan merupakan model yang paling optimal menjelaskan pengaruh dan hubungan indeks harga saham terhadap PDB. Hai ini berarti indeks pada saat t-2 dapat memprediksi dan memiliki hubungan yang kuat dengan PDB pada saat t, sehingga dapat dikatakan prediksi PDB, yang dilakukan pada saat t-2 mempengaruhi keputusan investasi pada saat t-2. Indeks properti dan real estat serta indeks keuangan mempengaruhi PDB secara signifikan, sementara indeks pertanian serta indeks utililas, infrastruktur dan transportasi tidak mempengaruhi nilai PDB pada lag time optimal. Uji korelasi yang digunakan untuk melihat perbedaan hubungan antara kategori indeks yang diteliti menunjukkan hubungan indeks harga saham kategori cyclical stock dengan PDB lebih besar dibandingkan hubungan indeks harga saham kategori defensive stock dengan PDB. Semua indeks yang digunakan sebagai variabel penelitian kecuali indeks pertanian mempunyai hubungan yang positif, sementara indeks pertanian menunjukkan hubungan negatif yang tidak signifikan."

"Penelitian ini membahas tentang reaksi pasar terhadap perusahaan yang menerbitkan obligasi dalam rentang waktu 2002-2014. Tujuan dari penelitian ini adalah mengidentifikasi cumulative abnormal return saham sebelum dan sesudah penerbitan obligasi dan untuk mengetahui variabel apa yang paling mempengaruhi reaksi pasar dalam penerbitan obligasi. Variabel tergantung dalam penelitian ini diproksikan dengan cumulative abnormal return saham, variabel penentu yang digunakan adalah Price to book value dan free cash flow. Variabel kontrol yang digunakan dalam penelitian ini adalah firm size, Debt to equity ratio, dividend payout ratio, rating obligasi dan kepemilikan peruahaan.Hasil penelitian membuktikan bahwa penerbitan obligasi berpengaruh secara signifikan terhadap reaksi pasar. Hasil pengujian tersebut memberikan nilai statistik F yang tinggi hingga diperoleh nilai signifikansi nyata. Nilai F yang diperoleh adalah sebesar 4.907 dengan nilai signifikan sebesar 0,000 pada model 1 dan dan nilai F sebesar 5.074 signifikan sebesar 0,000 pada model 2. Nilai ini berada di bawah taraf signifikansi 5 0,05 dan 10 0,10 . Berdasarkan adjusted R square nilai pengaruh yang diberikan oleh variable bebas terhadap CAR adalah sebesar 36.3 pada model 1 dan 37.3 pada model 2.Berdasarkan hasil ini disimpulkan bahwa seluruh variabel bebas secara serentak memilliki pengaruh yang signifikan dengan CAR secara statistik. Secara individu terdapat dua variabel yang berpengaruh secara signifikan. Variabel yang paling berpengaruh pada model 1 adalah PBV dengan signifikansi 0.001 dan memiliki hubungan positif dengan reaksi pasar dan rating obligasi signifikan sebesar 0.015 dan memiliki hubungan positif. Pada model 2 variabel independen yang berpengaruh adalah PBV dengan signifikansi 0.005 dan berpengaruh positif, rating obligasi dengan signifikansi 0.007 dan dividend payout ratio signifikan secara negatif sebesar 0.065.

---

This research examines about stock reaction to bond issuance announcement in listed company in Indonesia Stock Exchange within 2002 2014. The aim of this research is to identify cumulative abnormal return before and after bond issuance announcement and to identify which is the most significant variables of stock reaction in bond issuance announcement. Dependent variable is cumulative abnormal return. Independent variables are Price to book value and free cash flow. Controlling variables are firm size, Debt to equity ratio, dividend payout ratio, bond rating and ownership structure. Methode of the research is event study.The results show that in general there is significant relation of bond issuance announcement to stock reaction. The statistic F hypothesis is 4.907 with signifancy 0.000 in model 1 and F hypothesis is 5.074 with signifancy 0.000. it is below the significancy of 5 and 10 . According to adjusted R square the significant value from dependent variables to CAR is 36.3 in model 1 and 37.3 in model 2 . On the other hand, there are two independent variable that significantly affect the reaction. The first one is price to book value with significancy 0.005 and the second one is bond rating with significancy 0.007"