PEMODELAN VOLATILITAS SAHAM MENGGUNAKAN MODEL MARKOV SWITCHING AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (SWARCH)
| Main Authors: | Khairatunia, Khairatunia, Martha, Shantika, Kusnandar, Dadan |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
FMIPA Universitas Tanjungpura
, 2022
|
| Online Access: |
http://jurnal.untan.ac.id/index.php/jbmstr/article/view/57010 http://jurnal.untan.ac.id/index.php/jbmstr/article/view/57010/75676594119 |
Daftar Isi:
- Volatilitas menunjukkan fluktuasi pergerakan harga saham, semakin tinggi volatilitas maka semakin tinggi pula kemungkinan mengalami kerugian. Data deret waktu dalam bidang keuangan memiliki volatilitas yang tinggi dan mempunyai sifat volatility clustering (heteroskedastisitas). Model autoregressive conditional heteroscedasticity (ARCH) mampu memodelkan adanya heterokedastisitas dengan baik namun tidak memperhitungkan adanya perubahan struktur. Perubahan struktur merupakan suatu perubahan pola yang terjadi pada data deret waktu. Markov switching merupakan alternatif pemodelan data deret waktu yang mengalami perubahan struktur, dimana perubahan kondisi yang terjadi pada data dianggap sebagai suatu hasil variabel random tak teramati yang disebut state. Pada penelitian ini diasumsikan state nol untuk volatilitas tinggi dan state satu untuk volatilitas rendah. Tujuan dari penelitian ini adalah untuk menentukan model Markov Switching Autorergressive Conditional Heteroscedascity dalam penerapan data harga saham PT. Industri Jamu dan Farmasi Sido Muncul TBK (SIDO.JK) terhadap volatilitas return saham. Data harga saham SIDO.JK dimodelkan dengan melibatkan markov switching Autorergressive Conditional Heteroscedascity (SWARCH). Hasil penelitian menunjukkan bahwa nilai harga saham harian SIDO.JK dari tanggal 1 Januari 2019 sampai dengan 1 Januari 2020 dapat dimodelkan menggunakan model SWARCH (2,1) dengan ARCH(1) sebagai model variansi bersyarat. Kata Kunci: Volatilitas, State, SWARCH