Statistik Dan Sistem Manajemen, Penilaian Harga Opsi Indeks Saham Taiwan Dengan Perbandingan Kinerja Model Black-Scholes Dengan Model Jaringan Saraf

Perbandingan kinerja antara model penentuan harga opsi indeks saham Taiwan menggunakan jaringan saraf dan model Black-Scholes. Data yang digunakan adalah harga opsi harian selama periode 2 Januari 2002 hingga 31 Desember 2003. Hasil empiris menunjukkan bahwa pada kondisi pasar yang volatile, model penentuan harga opsi berbasis jaringan saraf memiliki kinerja yang lebih baik dibandingkan dengan model Black-Scholes tradisional. Meskipun demikian, model Black-Scholes masih efektif untuk menentukan harga opsi yang berada in-the-money. Namun pada pasar yang mudah dipengaruhi oleh faktor eksternal ekonomi, politik, dan internasional seperti di Taiwan, model jaringan saraf lebih layak untuk dipertimbangkan sebagai model peramalan harga opsi dibandingkan dengan model parametrik seperti Black-Scholes. Selain itu dapat juga mempertimbangkan faktor-faktor tambahan selain parameter dalam model Black-Scholes,seperti parameter keuangan lain atau parameter ekonomi secara keseluruhan, untuk memprediksi dan membandingkan kinerja model lebih lanjut. Selain itu, model jaringan saraf tiruan juga dapat dibandingkan dengan varian lain dari model Black-Scholes untuk menganalisis apakah model jaringan saraf tiruan dapat mengatasi beberapa kelemahan asumsi model Black-Scholes. 

Model penetapan harga opsi menggunakan jaringan saraf tiruan memiliki kemampuan yang lebih baik dibandingkan model Black-Scholes tradisional. Hal ini mungkin terjadi karena pasar saham Taiwan yang relatif kecil dan masih baru, sehingga terdapat intervensi manusia dan gangguan lain yang menyebabkan distorsi harga. Model Black-Scholes mengasumsikan pasar yang sempurna, namun dalam kondisi pasar yang berfluktuasi, model ini tidak dapat menangani situasi tersebut sehingga kemampuan prediksinya terpengaruh. Di sisi lain, model jaringan saraf tiruan yang merupakan pendekatan data-driven dapat menangkap pola nonlinear dengan baik. Penelitian ini menyarankan bahwa untuk mengevaluasi harga instrumen keuangan yang mudah dipengaruhi oleh lingkungan eksternal di pasar Taiwan, model jaringan saraf tiruan adalah model prediksi harga yang paling layak untuk dipertimbangkan.

Model Black-Scholes masih efektif untuk data in-the-money, sementara model jaringan saraf tiruan lebih unggul untuk data at-the-money dan out-of-the-money. Terdapat beberapa faktor yang dapat menyebabkan harga opsi menyimpang dari teori model Black-Scholes, seperti fluktuasi pasar. Fluktuasi pasar berpengaruh terhadap kemampuan model Black-Scholes dalam memperkirakan harga opsi. Di pasar yang lebih fluktuatif, model jaringan saraf tiruan (neural network) terbukti memiliki kinerja yang lebih baik dibandingkan model tradisional Black-Scholes dalam memperkirakan harga opsi. Di pasar Taiwan, beberapa opsi harganya dipandang tidak wajar, misalnya melanggar harga arbitrase bebas risiko. Hal ini menyebabkan model Black-Scholes yang mengasumsikan pasar sempurna tidak dapat menangani situasi ini dengan baik, sehingga menurunkan kemampuan prediksinya. Faktor-faktor eksternal seperti kondisi ekonomi, politik, dan bahkan alam dapat mempengaruhi data ekonomi secara signifikan. Model Black-Scholes hanya mempertimbangkan parameter modelnya saja, tanpa mempertimbangkan faktor-faktor lain yang dapat mempengaruhi harga opsi.

Selain itu intervensi manusia juga menjadi faktor yang dapat menyebabkan distorsi harga opsi di pasar Taiwan. Pasar opsi indeks saham Taiwan masih relatif baru, sehingga investor domestik belum memahami dengan baik karakteristik produk ini. Hal ini dapat menyebabkan pertanyaan-pertanyaan dari investor yang dapat mempengaruhi harga. Saat mendekati tanggal jatuh tempo opsi, investor menghadapi tekanan yang dapat menyebabkan transaksi bisnis yang tidak wajar, yang selanjutnya berdampak pada distorsi harga. Terdapat beberapa opsi yang dihargai tidak sesuai dengan asumsi pasar sempurna dan suku bunga bebas risiko dalam model Black-Scholes. Ini menunjukkan adanya intervensi atau faktor lain yang mempengaruhi penentuan harga opsi. Singkatnya, dalam pasar yang masih berkembang seperti Taiwan, faktor-faktor di luar asumsi model teoretis, termasuk intervensi dan perilaku manusia, dapat memainkan peran penting dalam membentuk harga opsi. Hal ini menyebabkan model neural network memiliki kinerja yang lebih baik dalam memprediksi harga opsi dibandingkan model Black-Scholes yang didasarkan pada asumsi-asumsi tertentu. Serta juga ada karakteristik pasar opsi di Taiwan yang masih baru yang dapat menyebabkan harga opsi menyimpang dari teori Black-Scholes. Model jaringan saraf tiruan dapat menjadi model peramalan harga opsi yang layak dipertimbangkan, terutama untuk pasar yang mudah dipengaruhi oleh faktor eksternal.

Model Black-Scholes menghasilkan estimasi harga opsi yang lebih tinggi dibandingkan model jaringan saraf tiruan. Hal ini mungkin disebabkan oleh beberapa faktor seperti, skala pasar saham Taiwan yang relatif kecil, dengan batasan pergerakan harian yang terbatas. Selain itu intervensi manusia yang mengganggu respon informasi di pasar. Juga opsi saham indeks baru-baru ini diperkenalkan di Taiwan, sehingga investor domestik belum sepenuhnya memahami karakteristiknya. Serta adanya tekanan pada investor saat mendekati tanggal jatuh tempo opsi, yang dapat menyebabkan transaksi bisnis yang tidak masuk akal dan distorsi harga. Beberapa opsi dihargai secara tidak masuk akal, melanggar harga arbitrase pada suku bunga bebas risiko. Model jaringan saraf tiruan mungkin lebih sesuai untuk mengevaluasi harga instrumen keuangan di pasar Taiwan yang mudah dipengaruhi oleh lingkungan internasional, dan untuk menghindari estimasi parameter yang sulit.