Perbandingan Model Volatilitas Data Return Dengan Menggunakan Model Exponentially Generalized Autoregressive Conditional Heteroscedasticity (Egarch) (1,1) Dan Threshold Generalized Autoregressive Cond
| Main Author: | Paramitha, Gilang |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2013
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/153534/1/Skripsi_Gilang_Pramitha_%280610950025%29.pdf http://repository.ub.ac.id/153534/ |
Daftar Isi:
- Pada data ekonomi, model ARCH dan GARCH banyak digunakan untuk mendeskripsikan bentuk volatilitas suatu data time series.Leverage effect menunjukkan pengembangan model yang mengijinkan adanya respon asimetri pada volatilitas (Hansen, 2001). Untuk mengatasi hal ini, maka dapat digunakan model EGARCH dan TGARCH. Penelitian ini bertujuan untuk melakukan pemodelan EGARCH (1,1) dan TGARCH (1,1). Data yang digunakan adalah data return IHSG periode 1 Juli 2002 hingga 12 Desember 2012 dan SSMI periode 9 November 1990 hingga 11 Januari 2012. Dalam penelitian ini diawali dengan transformasi return lalu dipilih mean model terbaik yaitu ARIMA (1,0,0) untuk data return IHSG dan ARIMA (0,0,1) untuk data return SSMI. Selanjutnya dilakukan pembentukan model GARCH (1,1), EGARCH (1,1), dan TGARCH (1,1). Dari data return IHSG dan return SSMI diketahui mengijinkan adanya respon asimetri pada volatilitas sehingga digunakan model EGARCH (1,1) dan TGARCH (1,1). Pembandingan terhadap model EGARCH (1,1) dan TGARCH (1,1) dilakukan berdasarkan nilai AIC. Berdasarkan pembandingan model, pada data return IHSG diperoleh nilai AIC model EGARCH (1,1) yaitu -5.862557 dan nilai AIC model TGARCH (1,1) yaitu -5.860963. Pada data return SSMI diperoleh nilai AIC model TGARCH (1,1) yaitu -6.447416 dan nilai AIC model EGARCH (1,1) yaitu -6.445079. Dari kedua data tersebut dapat disimpulkan bahwa model EGARCH (1,1) dan TGARCH (1,1) sama baiknya digunakan untuk pemodelan.