Perpustakaan Digital ITB

Volatilitas dapat menjadi resiko dalam berinvestasi. Cara yang paling umum untuk mengetahui volatilitas saham adalah dengan metode ARCH-GARCH. Akan tetapi ARCH-GARCH memiliki kelemahan yaitu kurang bisa memprediksi volatilitas yang akan datang. Untuk menyelesaikan masalah tersebut, GARCH dapat digabungkan dengan metode yang memililki kemampuan prediktif yang kurat seperti SVR. Bahasan ini akan menggunakan metode alternatif SVR untuk menguji volatilitas IHSG pada tanggal 27 November 2020 sampai dengan 4 Februari 2021. Hal itu dapat dicapai dengan cara memodelkan return IHSG dengan menggunakan ARIMA dan didapatkan model yang mencukupi adalah ARIMA (1,0). Lalu menggunakan metode GARCH dan SVR untuk memodelkan volatilitasnya. Kernel SVR yang akan digunakan dalam permodelan adalah Linear, Polinomial, dan RBF beserta melakukan partisi data uji sebanyak 1, 5, 10, 100, dan 290. Hasil tersebut akan dibandinkan secara kualitatif dan kuantitatif dengan menghitung mean absolute percentage error dari setiap variasi tersebut. Ditemukan bahwa model GARCH terbaik yang didapat adalah GARCH (0,1) dengan MAPE 65,76%, model SVR Linear dan polinomial 100 partisi merupakan kernel terbaik untuk memodelkan pasar saham IHSG hal tersebut dikarenakan kedua model tersebut tidak overfitting dan memiliki MAPE paling kecil sebesar 7,21% dan 6,46% secara berurtan. Terakhir, kedua model tersebut dapat digunakan untuk memodelkan volatilitas dan berhasil menagulangi kelemahan GARCH dengan memiliki sifat prediktif