Tag: series-early-warning-ml
-
Generalized Dynamic Factor Model (GDFM): Implementation, Diagnostics, and Extensions
Langkah Implementasi Operasional (Algorithmic Steps) Bagian ini penting karena GDFM tidak bisa direplikasi hanya dengan regresi standar. Berikut alur estimasi sebagaimana diimplikasikan oleh Forni et al. (2000). Step 1 — Pre-processing Data Setiap seri xitx_{it} diperlakukan sebagai berikut: x~it=xit−xˉiσi\tilde{x}_{it}=\frac{x_{it}-\bar{x}_i}{\sigma_i} Tujuan standardisasi:→ mencegah satu seri mendominasi spektrum hanya karena skala. Step 2 — Estimasi Autocovariance Panel…
-
Berdasarkan paper Forni, Hallin, Lippi, Reichlin (2000) tentang Generalized Dynamic Factor Model (GDFM)
Data Struktur, variabel, periode, dan sumber 1.1 Struktur data panel (besar n, sedang T) GDFM dirancang untuk situasi di mana jumlah seri (n) besar, bisa lebih besar dari panjang waktu (T), sehingga VAR/VARMA menjadi tidak efisien karena terlalu banyak parameter. The Generalized Dynamic Factor … 1.2 Contoh aplikasi empiris dalam paper (EURO area) Paper menerapkan…
-
Empirical Asset Pricing via Machine Learning
High-Dimensional Prediction, Nonlinearity, and Economic Interpretation 🇮🇩 Catatan Akademik 1. Asset Pricing sebagai Masalah Ekspektasi Kondisional Dalam asset pricing empiris, objek utama yang ingin diestimasi bukan sekadar return historis, melainkan ekspektasi return masa depan bersyarat pada informasi saat ini. Secara formal:E(Ri,t+1∣Ft)\mathbb{E}(R_{i,t+1} \mid \mathcal{F}_t) Pendekatan ini menempatkan asset pricing sebagai masalah prediksi, bukan semata-mata pengujian teori…
-
Machine Learning dan Masa Depan Asset Pricing
Bagaimana Data Berdimensi Tinggi Mengubah Cara Kita Memahami Return Saham ✍️ Pendahuluan Selama puluhan tahun, asset pricing dibangun di atas model-model yang relatif sederhana. CAPM, Fama–French, dan turunannya berangkat dari satu ide besar: return saham mencerminkan kompensasi atas risiko yang terstruktur dan dapat diringkas dalam beberapa faktor. Namun, dunia keuangan modern bergerak jauh lebih cepat…
-
Machine Learning dalam Asset Pricing Empiris: Pendekatan Prediktif Berbasis High-Dimensional Data
🇮🇩 VERSI BAHASA INDONESIA 1. Kerangka Metodologis Umum Penelitian ini memandang asset pricing empiris sebagai persoalan estimasi ekspektasi kondisional return, yang secara formal dapat dinyatakan sebagai:E(Ri,t+1∣Ft)\mathbb{E}\left(R_{i,t+1} \mid \mathcal{F}_t\right) dengan: Berbeda dari pendekatan klasik yang mengasumsikan bentuk linier dan faktor risiko terstruktur, studi ini mengadopsi kerangka supervised learning, di mana fungsi prediksi f(⋅)f(\cdot) dipelajari langsung dari…