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 ada dua macam, yaitu metode klasik dan Bayesian. Bayesian merupakan yang menggabungkan sampel dengan prior. Untuk mendapatkan secara acak adalah menggunakan simulasi. Salah satu teknik simulasi digunakan dalam rantai Markov Monte Carlo (RMMC), membangkitkan peubah-peubah didasarkan pada Markov. Pada penelitian ini dibahas tentang RMMC algoritma Gibbs Sampling . bekerja membangun pengambilan rekursif posterior bersyarat penuh masing-masing parameternya. ini, diterapkan mengestimasi model Volatilitas Stokastik hingga konvergen. Model kemudian memprediksi return saham PT. Indofood CBP Sukses Makmur Tbk. (ICBP.JK). Berdasarkan diperoleh didapatkan hasil prediksi hampir mendekati data aktualnya.