FebrinaDeviSekarsari (2007) Pemodelan Indeks Harga Saham Gabungan ke dalam GARCH(2,1). Sarjana thesis, Universitas Brawijaya.
Abstract
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 −
English Abstract
Most of economic and financial time series, the assumption of stationary variance (homoscedasticity) for Autoregressive (AR), Moving Average (MA), and Autoregressive Moving Average (ARMA)modeling is violated. Therefore, Autoregressive Conditional Heteroscedastic (ARCH) model and Generalized Autoregressive Conditional Heteroscedastic (GARCH) are used for data with nonstationary variance (Heteroscedastic). The purposes of this research are to model stock price composite index into GARCH(2,1) and to compute the frequency of GARCH(2,1) of the fifteen stock price composite index. The transformation of changing IHSG into return series is the first step of GARCH modeling, and then modeling them into t t Y = C +ε . The squared residuals of those models are tested whether there is ARCH/GARCH effect on squared residuals. The estimation and partial testing for GARCH(1,1) and GARCH(2,1) parameters are organized to get Base Log Likelihood Function (LLF) and Null LLF which are used to compute Likelihood Ratio Test (LRT) Statistic. If the parameter 0 2 G ≠ , GARCH(2,1) is the convenient model for IHSG in return series. The result of this research shows that two return series from fifteen IHSG return series cannot be modeled into GARCH(2,1). On the other hand, the result of Likelihood Ratio Test show that five return series are modeled GARCH(2,1) and the others are modeled GARCH(1,1). The example of GARCH(2,1) is GARCH(2,1) model for Jakarta Composite Index (JCI) return series is t t Y = 0.002311+ε where and Belong to GARCH(2,1) model, the variance of residuals at this time is influenced not only by the variance of residuals at one last period but also by the variance at two last period. The influence is shown by ~ (0, 2 ) t t ε N σ 2 1 2 2 2 1 2 0.000030 0.091750 0.492920 0.283340 − − − = + + + t t t t σ σ σ ε the value of 2 and .
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2007/050701376 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 06 Jun 2007 00:00 |
| Last Modified: | 22 Oct 2021 03:12 |
| URI: | http://repository.ub.ac.id/id/eprint/151574 |
Preview |
Text
050701376.pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |