BARADJA, Abdillah and Gernowo, Rahmat and Wibowo, Adi (2026) PENGEMBANGAN MODEL PREDIKSI HARGA VALUTA ASING BERBASIS MULTI-CRITIC REINFORCEMENT LEARNING DENGAN PENGUMUMAN MAKROEKONOMI DAN INDIKATOR TEKNIKAL. Doctoral thesis, UNIVERSITAS DIPONEGORO.

	Text COVER AWAL.pdf Download (91kB)
	Text COVER LENGKAP.pdf Restricted to Repository staff only Download (2MB)
	Text Naskah Disertasi - BAB I PENDAHULUAN.pdf Download (440kB)
	Text Naskah Disertasi - BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI.pdf Download (1MB)
	Text Naskah Disertasi - BAB III METODE PENELITIAN.pdf Restricted to Repository staff only Download (1MB)
	Text Naskah Disertasi - BAB IV HASIL PENELITIAN DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (841kB)
	Text Naskah Disertasi - BAB V KESIMPULAN DAN SARAN.pdf Restricted to Repository staff only Download (335kB)
	Text Naskah Disertasi - DAFTAR PUSTAKA.pdf Download (350kB)
	Text Naskah Disertasi - LAMPIRAN.pdf Restricted to Repository staff only Download (1MB)

Abstract

Penelitian ini mengusulkan model Multi-Critic Deep Deterministic Policy Gradient (MC-DDPG) untuk mengoptimalkan prediksi harga valas dan manajemen risiko dengan mengintegrasikan indikator teknikal dan pengumuman makroekonomi secara waktu nyata. Pasar valas sangat dipengaruhi oleh fluktuasi yang sering dipicu oleh pengumuman makroekonomi penting, yang dapat menyebabkan ketidakpastian dan volatilitas pasar. Model MC-DDPG yang dikembangkan untuk mengatasi overestimation bias yang umum ditemukan pada model DDPG tradisional dengan menggunakan tiga critic networks yang dilatih secara paralel, sehingga menghasilkan estimasi reward yang lebih stabil dan akurat. Penelitian ini juga mengintegrasikan pengumuman makroekonomi seperti Non-Farm Payrolls, GDP, dan keputusan suku bunga Federal Reserve secara waktu nyata sebagai input dalam model prediksi. Model ini bertujuan untuk memberikan keputusan perdagangan yang lebih efisien, mengurangi risiko kesalahan prediksi, dan meningkatkan profitabilitas dalam kondisi pasar yang sangat dinamis. Evaluasi dilakukan menggunakan data historis valas dari pasangan mata uang Dollar Amerika, Euro, Poundsterling Inggris, dan Dollar Australia mulai tahun 2022 hingga 2024, dengan backtesting untuk mengukur performa model. Hasil penelitian menunjukkan bahwa penggunaan Multi-Critic DDPG dengan mengintegrasikan indikator teknikal dan pengumuman makroekonomi dapat memberikan hasil profitabilitas yang tinggi dengan manajemen risiko yang lebih baik dibandingkan dengan model algoritma lainnya. Penelitian ini memberikan kontribusi pada pengembangan sistem informasi keuangan berbasis reinforcement learning untuk perdagangan otomatis yang adaptif dan responsif terhadap perubahan harga valas.
Kata kunci: Prediksi Harga Valas, Fluktuasi Harga, Pengumuman Makroekonomi, Perdagangan Algoritmik, Reinforcement Learning

This study proposes a Multi-Critic Deep Deterministic Policy Gradient (MCDDPG) model to optimize foreign exchange price prediction and risk management by integrating technical indicators and real-time macroeconomic announcements. The foreign exchange market is highly influenced by fluctuations that are often triggered by major macroeconomic announcements, which may lead to uncertainty and high market volatility. The proposed MC-DDPG model is developed to address the overestimation bias commonly found in traditional DDPG models by employing three critic networks trained in parallel, thereby producing more stable and accurate reward estimations. This study also incorporates real-time macroeconomic announcements such as Non-Farm Payrolls (NFP), Gross Domestic Product (GDP), and Federal Reserve interest rate decisions as input variables in the prediction model. The model aims to generate more efficient trading decisions, reduce prediction errors, and enhance profitability under highly dynamic market conditions. The evaluation is conducted using historical foreign exchange data from major currency pairs involving the United States Dollar, Euro, British Pound Sterling, and Australian Dollar from 2022 to 2024. Backtesting is performed to measure the performance of the proposed model. The results indicate that the MultiCritic DDPG model integrated with technical indicators and macroeconomic announcements can achieve higher profitability with improved risk management compared to other algorithmic models. This research contributes to the development of reinforcement learning-based financial information systems for automated trading that are adaptive and responsive to foreign exchange price dynamics.
Keywords: Foreign Exchange Price Prediction, Price Fluctuation, Macroeconomi Announcements, Algorithmic Trading, Reinforcement Learning

Actions (login required)

View Item