The Modeling of Jakarta Composite Index Data Before and During COVID-19 Pandemic and its Alignment into Government Policy in Energy Sector
Notice bibliographique
Résumé
The COVID-19 pandemic brings significant effects to the global stock market, including Indonesia. This study investigates the behavior and fluctuation of Jakarta Composite Index (JKSE) before the COVID-19 pandemic arises (2018–2019) and 2 years during the COVID-19 pandemic (2020–2021) and its alignment with the government policy in the energy sector. This study will use the JKSE data before and during the Covid-19 pandemic. The study showed that before COVID-19 pandemic, the JKSE was in normal conditions and showed an increasing trend. However, the study found anomalies in the JKSE volatility when COVID-19 pandemic was officially announced in Indonesia during 1st quarter 2020. This study is able to find the forecasted next 30 days best models that can describe the pattern of JKSE data are AR (2)–GARCH (1,1) models for the closing price of JKSE data before the COVID-19 pandemic and AR (5)–GARCH (1,1) models for the closing price of JKSE data during the COVID-19 pandemic. With the government economic recovery program related to the energy sector, this study was able to forecast the next 30 days for the closing price of JKSE during COVID-19, which showed the improvement of JKSE into the small increasing trend. These findings are expected to increase public investor trust, especially foreign investors investing their money in the JKSE. The positive trend in JKSE will ensure the government continues its economic policy recovery plan.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».