TUGAS KULIAH

MANAJEMEN KEUANGAN INTERNASIONAL

Disusun Untuk Memenuhi Salah Satu Tugas Mata Kuliah

Manajemen Keuangan Internasional
Oleh: Surya Danang
C 202 21 012
PROGRAM STUDI MAGISTER MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS TADULAKO 2021
JURNAL I
Review Jurnal I

Judul Jurnal A case study on using neural networks to perform technical

forecasting of forex
Nama Penulis Jingtao Yao dan Chew Lim Tan
Edisi & Volume 34
Tahun 2000
Halaman 79-98
Nama Jurnal Neurocomputing
Pendahuluan Mengingat ditinggalkannya "nilai tukar tetap, penerapan
sistem nilai tukar #oating pada tahun 1970-an, dan
pembicaraan GATT baru-baru ini menuju liberalisasi
perdagangan lebih lanjut, memahami hubungan antara nilai
tukar mata uang utama adalah yang paling penting. Nilai
tukar mata uang asing dipengaruhi oleh banyak faktor
ekonomi, politik dan bahkan psikologis yang sangat
berkorelasi. Interaksi faktor-faktor ini sangat kompleks. Oleh
karena itu, untuk meramalkan perubahan nilai tukar mata
uang asing umumnya sangat sulit. Para peneliti dan praktisi
telah berusaha untuk penjelasan tentang pergerakan nilai
tukar. Dengan demikian, berbagai macam metode peramalan
telah dikembangkan oleh banyak peneliti dan ahli. Analisis
teknis dan fundamental adalah metodologi peramalan dasar
dan utama yang populer digunakan dalam "peramalan
keuangan". Seperti banyak deret waktu ekonomi lainnya,
forex memiliki tren, siklus, musim, dan ketidakteraturannya
sendiri. Jadi untuk mengidentifikasi, memodelkan,
mengekstrapolasi, dan menggabungkan pola-pola ini dan
memberikan peramalan forex adalah tantangan utama.
Secara tradisional, model statistik seperti model Box}
Jenkins mendominasi peramalan deret waktu. White
menyarankan bahwa hubungan antara jaringan saraf dan
pendekatan statistik konvensional untuk peramalan deret
waktu saling melengkapi. Refene dkk. juga menunjukkan
bahwa teknik statistik tradisional untuk peramalan telah
mencapai keterbatasan mereka dalam aplikasi dengan
nonlinier dalam kumpulan data seperti indeks saham.
Teknologi Neural Network telah melihat banyak area
aplikasi dalam bisnis terutama ketika domain masalah
melibatkan klasifikasi, pengenalan, dan prediksi. Menurut
penelitian survei yang dilakukan oleh Wong et al. lebih dari
127 aplikasi bisnis jaringan saraf telah dipublikasikan di
jurnal internasional hingga September 1994. Jumlah tersebut
meningkat menjadi 213 setelah satu tahun.
Makalah ini menjelaskan penerapan jaringan saraf dalam
peramalan nilai tukar mata uang asing antara Dolar Amerika
dan "ve mata uang utama lainnya, Yen Jepang, Deutsch
Mark, Pound Inggris, Franc Swiss, dan Dolar Australia.
Indikator teknis dan data deret waktu diumpankan ke saraf
jaringan untuk menangkap `aturan yang mendasari
pergerakan nilai tukar mata uang. Analisis rentang skala
ulang dilakukan untuk menguji `e$ciencya dari setiap pasar
sebelum menggunakan data historis untuk melatih jaringan
saraf. Hasil yang disajikan dalam makalah ini menunjukkan
bahwa tanpa penggunaan data atau pengetahuan pasar yang
luas, prediksi yang berguna dapat dibuat dan keuntungan
kertas yang signifikan dapat dicapai untuk data di luar
sampel dengan indikator teknis sederhana. Penelitian lebih
lanjut tentang nilai tukar antara Franc Swiss dan Dolar
Amerika adalah Namun, percobaan menunjukkan bahwa
dengan pasar yang efisien tidak mudah untuk mendapatkan
keuntungan menggunakan indikator teknis atau jaringan saraf
input deret waktu. Artikel ini membahas beberapa isu
tentang frekuensi pengambilan sampel, pilihan arsitektur
jaringan, periode peramalan, dan langkah-langkah untuk
mengevaluasi kekuatan prediksi model. Setelah
mempresentasikan hasil eksperimen, diskusi tentang
 penelitian selanjutnya menyimpulkan makalah.
Pembahasan Nilai tukar mata uang asing hanya ditentukan oleh neraca
pembayaran di awal. Neraca pembayaran hanyalah cara
mencatat penerimaan dan pembayaran dalam transaksi
internasional untuk suatu negara. Pembayaran melibatkan
penawaran mata uang domestik dan permintaan mata uang
asing. Penerimaan melibatkan permintaan mata uang
domestik dan penawaran mata uang asing. Keseimbangan
ditentukan terutama oleh impor dan ekspor barang. Dengan
demikian, prediksi nilai tukar tidak terlalu sulit pada saat itu.
Sayangnya, suku bunga dan faktor permintaan}penawaran
lainnya menjadi lebih relevan untuk setiap mata uang di
kemudian hari. Di atas semua ini, nilai tukar mata uang
asing tetap ditinggalkan dan sistem nilai tukar #oating
diterapkan oleh negara-negara industri pada tahun 1973.
Baru-baru ini, proposal menuju liberalisasi perdagangan
lebih lanjut dibahas dalam Perjanjian Umum tentang
Perdagangan dan Tarif. , dan karenanya spekulasi karena
likuiditas dan obligasi, juga berkontribusi pada kesulitan
peramalan Forex.
Penerapan metode peramalan mencakup dua langkah dasar:
menganalisis rangkaian data dan memilih metode peramalan
yang paling sesuai dengan rangkaian data. Secara umum, ada
tiga aliran pemikiran dalam hal kemampuan untuk
mendapatkan keuntungan dari “pasar keuangan. sekolah
pertama percaya bahwa tidak ada investor yang dapat
mencapai keuntungan perdagangan di atas rata-rata
berdasarkan informasi historis dan saat ini. Teori utamanya
meliputi Random Walk Hypothesis dan Ezcient Market
Hypothesis Pandangan mazhab kedua adalah analisis
fundamental. Ini melihat secara mendalam pada "kondisi
keuangan masing-masing negara dan mempelajari efek
penawaran dan permintaan pada setiap mata uang. Analisis
teknis milik aliran pemikiran ketiga yang mengasumsikan
 bahwa nilai tukar bergerak dalam tren dan tren ini dapat
ditangkap dan digunakan untuk peramalan.Ini menggunakan
alat seperti pola charting, indikator teknis dan teknik khusus
seperti garis Gann, gelombang Elliot dan deret Fibonacci.
Untuk memaksimalkan keuntungan dari pasar likuiditas,
semakin banyak teknik peramalan terbaik yang digunakan
oleh berbagai pedagang. Saat ini, dibantu dengan teknologi
komputer yang kuat, pedagang tidak lagi mengandalkan satu
teknik untuk memberikan informasi tentang masa depan
pasar. melainkan menggunakan berbagai teknik untuk
mendapatkan beberapa sinyal Analisis deret waktu klasik,
berdasarkan teori proses stokastik stasioner tidak tampil
memuaskan pada deret waktu ekonomi Data ekonomi tidak
sederhana autoregressive-integrated-moving-
average( ARIMA) proses; mereka tidak dijelaskan oleh
model struktural linier sederhana; mereka bukan white noise
sederhana atau bahkan jalan acak. Oleh karena itu tantangan
utama ke depan adalah pengembangan metode baru, atau
modifikasi atau integrasi yang sudah ada, yang mampu
secara akurat meramalkan rangkaian yang pola atau
hubungannya berubah dari waktu ke waktu.
Kesimpulan (1) Hasil peramalan sangat menjanjikan untuk sebagian besar
mata uang kecuali Yen. Dalam menggunakan jaringan saraf
untuk melakukan peramalan teknis, yaitu, memberi makan
indikator teknis sederhana sebagai input ke jaringan saraf,
hasil yang lebih baik diperoleh untuk Dolar Australia, Franc
Swiss, dan Pound Inggris dan mungkin Mark Deutsch. Hasil
untuk Yen Jepang adalah yang terburuk terutama ketika
Strategi 2 digunakan. Ini mirip dengan hasil peramalan kami
menggunakan model ARIMA. Mungkin ada beberapa faktor
terkait Yen yang perlu dipelajari. Salah satu alasannya
mungkin karena pasar Yen lebih besar dan lebih efisien
daripada pasar Dolar Australia, Franc Swiss, dan Pound
Inggris. Pedagang pasar Yen mungkin lebih bergantung
pada analisis teknis dan mereka dapat bertindak cepat setelah
tanda apa pun muncul. Oleh karena itu, analisis teknikal
mungkin bukan alat yang baik untuk meramalkan tren Yen
karena setiap orang sangat menyadari arti dari sinyal
teknikal.
(2) Untuk mengambil lebih banyak keuntungan dari hasil
peramalan jaringan saraf, strategi perdagangan perlu
dipertimbangkan dalam perdagangan nyata. Strategi 2 telah
ditemukan lebih kuat dalam menggunakan hasil peramalan
jaringan saraf, studi teoritisnya sedang dalam eksplorasi. Di
antara dua teknik perdagangan sederhana, strategi `buy-and-
holda (Benchmark I) lebih baik daripada `trend-followa
(Benchmark II) meskipun umumnya lebih buruk daripada
model jaringan saraf seperti yang ditunjukkan pada Gambar
3 dan Tabel 7.
(3) Ada kebutuhan untuk memiliki ukuran kinerja jaringan
saraf yang efektif daripada hanya kebaikan "t seperti NMSE.
NMSE yang sangat kecil belum tentu merupakan indikator
umum kinerja yang baik. Jumlah NMSE dari ketiga bagian
data (pelatihan, validasi, dan pengujian) harus dijaga tetap
kecil, bukan hanya NMSE pelatihan saja. Terkadang
memiliki NMSE kecil untuk pengujian dan validasi lebih
penting daripada memiliki NMSE kecil untuk pelatihan.
Daripada hanya menggunakan NMSE saja, tiga tingkat
penilaian, NMSE, gradien dan keuntungan diusulkan dan
dipelajari dalam penelitian ini. Hit rate mungkin merupakan
standar yang lebih baik untuk menentukan kualitas perkiraan.
Lagi pula, pengembaliannya sangat bergantung pada strategi
perdagangan dan bagaimana informasi perkiraan digunakan
untuk keuntungan perdagangan. Namun, tingkat hit rate dan
keuntungan kertas juga bergantung pada periode perkiraan.
Oleh karena itu, diperlukan pelatihan ulang jaringan saraf
secara berkala. Bagi para praktisi, tingkat nilai tukar dan tren
dapat digunakan tergantung pada harapan mereka akan
 pengembalian dan risiko Selain dua strategi yang disebutkan
di atas, setelah strategi perdagangan yang berbeda dapat
digunakan oleh mereka (4) Jaringan backpropagation yang
digunakan dalam penelitian ini telah terbukti memadai untuk
peramalan Indikator teknis sederhana seperti rata-rata
bergerak sudah cukup.
Analisa Jurnal - Jurnal ini memaparkan materi mengenai analisis
technical forecasting of forex tersebut dengan jelas.
- Bahasa yang digunakan mudah dimengerti
- Sistematika penulisan sudah menggunakan ketentuan
jurnal pada umumnya.
- Kesimpulan dan saran yang digunakan pada
penelitian mencerimkan keseluruhan dari isi pada
jurnal.
- Menggunakan referensi yang valid mendukung
terlaksananya penelitian.
- Tidak dijelaskan kelemahan ataupun kendala yang
dilakukan ketika melakukan riset.

JURNAL II
Review Jurnal II

Judul Jurnal FORECASTINGEXCHANGE RATES USING

FEEDFORWARD AND RECURRENTNEURAL
NETWORKS
Nama Penulis CHUNG-MING KUAN
Edisi & Volume 34
Tahun 2000
Halaman 79-98
Nama Jurnal Neurocomputing
Pendahuluan Neuralnetworks menyediakan kelas umum model nonlinear
yang telah berhasil diterapkan di berbagai bidang. Banyak
aplikasi empiris dan komputasi dapat ditemukan dalam
Prosiding Konferensi Bersama Internasional tentang Jaringan
Syaraf dan Konferensi Sistem Pemrosesan Informasi Syaraf.
Terlepas dari keberhasilannya di berbagai bidang, hanya ada
sedikit aplikasi jaringan saraf di bidang ekonomi. Jaringan
saraf baru dalam aplikasi ekonometrik dalam dua hal berikut.
Pertama, kelas jaringan saraf multilayer dapat dengan baik
mendekati kelas fungsi yang besar (Hornik et al., 1989; dan
Cybenko, 1989), sedangkan sebagian besar model deret
waktu nonlinier yang umum digunakan tidak memiliki
properti ini. Kedua, seperti yang ditunjukkan pada Barron
(1991), jaringan saraf adalah model yang lebih pelit daripada
metode subruang linier
seperti polinomial, spline, dan ekspansi seri trigonometri
dalam mendekati fungsi yang tidak diketahui. Jadi, jika
perilaku variabel ekonomi menunjukkan ketidaklinieran, a
cocok
jaringan saraf yang dibangun dapat berfungsi sebagai alat
yang berguna untuk menangkap keteraturan tersebut.
Dalam makalah ini kami menyelidiki kemungkinan pola
nonlinier dalam data valuta asing menggunakan jaringan
 feedforward, dan jaringan berulang. Telah diterima secara
luas bahwa nilai tukar mata uang asing adalah proses I(1)
(terintegrasi dari urutan satu) dan bahwa perubahan nilai
tukar tidak berkorelasi dari waktu ke waktu. Oleh karena itu,
perubahan nilai tukar pada umumnya tidak dapat diprediksi
secara linear. Untuk ulasan menyeluruh tentang masalah ini,
lihat Baillie dan McMahon (1989). Sejak empiris
studi yang mendukung kesimpulan ini terutama bergantung
pada teknik deret waktu linier, tidak masuk akal untuk
menduga bahwa ketidakpastian nilai tukar linier mungkin
disebabkan oleh keterbatasan model linier. Hsieh (1989)
menemukan bahwa perubahan nilai tukar mungkin
bergantung secara nonlinear, meskipun secara linear tidak
berkorelasi.
Pembahasan Hasil ini menunjukkan bahwa model jaringan yang berbeda
tampil berbeda dalam seri ini dan bahwa kriteria PSC adalah
kriteria yang cukup masuk akal untuk menentukan struktur
jaringan. Meskipun CD dan DM tidak menunjukkan
keteraturan yang dapat 'ditangkap' oleh jaringan saraf, kami
mencatat bahwa untuk JY, jaringan berulang yang umum
bekerja dengan baik dalam hal kemampuan waktu pasar dan
MSPE, dan untuk BP, jaringan umpan maju dan berulang
yang umum bekerja dengan baik dalam hal MSPE. Menarik
juga untuk dicatat bahwa untuk BP dan JY, sebagian besar
jaringan dengan
kemampuan market timing yang signifikan juga memiliki
MSPE out-of-sample yang jauh lebih rendah dibandingkan
dengan model random walk. Hal ini menunjukkan bahwa
kedua tujuan tersebut tidak perlu saling bertentangan.
Karena metode estimasi kami didasarkan pada minimalisasi
MSE, yang bukan merupakan fungsi kerugian untuk prediksi
tanda, akan sangat menarik untuk menyusun metode estimasi
berdasarkan fungsi kerugian yang sesuai dan
membandingkan hasil prediksi tanda yang dihasilkan; ini
 berada di luar cakupan makalah ini.
Kesimpulan Dalam makalah ini mereka mengusulkan prosedur dua
langkah untuk memperkirakan dan memilih umpan maju dan
berulang
jaringan dan hati-hati mengevaluasi kinerja peramalan
jaringan yang dipilih di berbagai
periode di luar sampel. Hasil peramalan beragam. Kami
menemukan jaringan dengan signifikan
kemampuan pengaturan waktu pasar (prediksi tanda)
dan/atau MSPE out-of-sample yang jauh lebih rendah (relatif
terhadap model randomwalk lainnya) hanya dalam dua dari
lima seri yang kami evaluasi. Untuk lainnya
seri, model jaringan tidak menunjukkan kinerja peramalan
yang unggul. Namun demikian, hasil kami menunjukkan
bahwa PSC cukup masuk akal dalam memilih jaringan dan
prosedur dua langkah yang diusulkan dapat digunakan
sebagai standarprosedur konstruksi jaringan di aplikasi
lainO.ur
hasil menunjukkan bahwa nonlinieritas dalam nilai tukar
dapat dimanfaatkan untuk meningkatkan prediksi titik dan
tanda, berbeda dengan kesimpulan Diebold dan Nason
(1990).
hasil yang dilaporkan di sini cukup menggembirakan,
mereka hanya memberikan bukti terbatas yang mendukung
kegunaan neuraln
Analisa Jurnal - Jurnal ini memaparkan materi mengenai analisis
technical forecasting of forex tersebut dengan jelas.
- Bahasa yang digunakan mudah dimengerti
- Sistematika penulisan sudah menggunakan ketentuan
jurnal pada umumnya.
- Kesimpulan dan saran yang digunakan pada
penelitian mencerimkan keseluruhan dari isi pada
jurnal.
- Menggunakan referensi yang valid mendukung
terlaksananya penelitian.
- Tidak dijelaskan kelemahan ataupun kendala yang
dilakukan ketika melakukan riset.
- Tidak memiliki abstrak
- Tidak terdapat saran untuk peneliti selanjutnya