Pemodelan Indeks Harga Saham Gabungan ke dalam GARCH(2,1)
| Main Author: | FebrinaDeviSekarsari |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2007
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/151574/1/050701376.pdf http://repository.ub.ac.id/151574/ |
Daftar Isi:
- Pada sebagian besar data deret waktu ekonomi dan keuangan, asumsi kestasioneran terhadap ragam (homoskedastisitas) pada pemodelan Autoregressive (AR), Moving Average (MA), dan Autoregressive Moving Average (ARMA) tidak terpenuhi. Oleh karena itu, digunakPada sebagian besar data deret waktu ekonomi dan keuangan, asumsi kestasioneran terhadap ragam (homoskedastisitas) pada pemodelan Autoregressive (AR), Moving Average (MA), dan Autoregressive Moving Average (ARMA) tidak terpenuhi. Oleh karena itu, digunakan model Autoregressive Conditional Heteroscedastic (ARCH) dan Generalized Autoregressive Conditional Heteroscedastic (GARCH) untuk data dengan ragam yang tidak stasioner (heteroskedastisitas). Tujuan dari penelitian ini adalah untuk memodelkan indeks harga saham ke dalam GARCH(2,1) serta mengetahui frekuensi terjadinya GARCH(2,1) pada lima belas indeks harga saham gabungan. Pemodelan GARCH(2,1) diawali dengan transformasi menjadi data return yang dimodelkan t t Y = C + ε , kemudian sisaan kuadrat model tersebut diuji keberadaan efek ARCH/GARCH. Pendugaan dan pengujian parameter GARCH(1,1) dan GARCH(2,1) untuk mendapatkan Base Log Likelihood Function (LLF) dan Null LLF dan digunakan untuk menghitung statistik Likelihood Ratio Test (LRT). Jika parameter maka model GARCH(2,1) lebih sesuai untuk data return Indeks Harga Saham Gabungan (IHSG). Hasil Uji Keberadaan Efek ARCH/GARCH menunjukkan bahwa dua data return IHSG tidak mengandung efek ARCH/GARCH sehingga tidak bisa dimodelkan GARCH(2,1). Hasil uji LRT menunjukkan bahwa lima data return IHSG lebih sesuai dimodelkan GARCH(2,1) sedangkan delapan data return IHSG lainnya dimodelkan GARCH(1,1). Salah satu contoh model GARCH(2,1) adalah model GARCH(2,1) pada data return Jakarta Composite Index (JCI) yaitu : 0 2 G ≠ t t Y = 0.002311 + ε dengan . Pada model GARCH(2,1), ragam sisaan pada saat ini tidak hanya dipengaruhi oleh ragam sisaan pada satu periode yang lalu tetapi juga ragam sisaan pada dua periode yang lalu. Pengaruh ragam sisaan pada periode yang lalu ditunjukkan oleh nilai dari koefisien dan 2 1 2 2 2 1 2 0.000030 0.091750 0.492920 0.283340 − − − = + + + t t t t σ σ σ ε 2 1 − t σ 2 2 −