"Pemilihan Pendugaan Parameter Model ARCH/GARCH Dengan Distribusi Normal dan Distribusi t (Studi Kasus : Data Deret Waktu di PT Best Profit Future Periode 2019 - 2021)"

Wiyono, Tri Setiyo (2021) "Pemilihan Pendugaan Parameter Model ARCH/GARCH Dengan Distribusi Normal dan Distribusi t (Studi Kasus : Data Deret Waktu di PT Best Profit Future Periode 2019 - 2021)". Sarjana thesis, Universitas Brawijaya.

Abstract

Saat ini kegiatan yang sangat menguntungkan untuk jangka panjang adalah dengan menginvestasikan sebagian harta benda yang dimiliki. Investasi merupakan kegiatan penanaman dengan harapan mendapatkan sejumlah keuntungan pada masa yang akan datang. Saham merupakan salah satu bentuk investasi yang paling menguntungan dibanding jenis investasi yang lain. Dalam melakukan investasi saham pemilik modal (investor) perlu mengetahui informasi mengenai perkembangan saham kedepannya. Untuk mengetahui pergerakan saham pada periode berikutnya diperlukan suatu analisis untuk memprediksi harga saham. Untuk meramalkan data saham yang berupa data deret waktu biasanya dibuat sebuah pemodelan deret waktu. Namun pemodelan deret waktu dengan model AR, MA, atau campuran dari kedua model ARMA sudah tidak tepat lagi digunakan pada data saham. Karena pada data saham memiliki keragaman (volatility) yang tidak konstan disetiap titik waktunya. Hal ini disebut sebagai pengaruh heteroskedastisitas (heteroscedastic) pada data runtun waktu, Untuk mengatasi sifat heteroskedastisitas pada data saham bisa menggunakan metode Autoregressive Conditional Heteroscedastic (ARCH) dan metode Generalized Autoregressive Conditional Heteroscedastic (GARCH). Penelitian bertujuan menduga parameter model ARCH / GARCH menggunakan distribusi normal dan distribusi t. Pendugaan parameter yang digunakan dari data saham di PT. BPF Malang adalah sebanyak 3/8 dari data menggunakan distribusi normal dan 5/8 dari data menggunakan distribusi t. Sedangkan frekuensi pendugaan parameter pada data saham PT. BPF Malang didapatkan hasil hasil efisiensi yang diambil rata-rata menggunakan distribusi t memiliki efisiensi sebesar 102,47% dan nilai efisiensi menggunakan distribusi normal sebesar 100,82%.

English Abstract

Currently a very profitable activity for the long term is to invest some of the property owned. Investment is an investment activity with the hope of getting a number of benefits in the future. Stocks are one of the most profitable forms of investment compared to other types of investment. In investing in shares, capital owners (investors) need to know information about future stock developments. To find out the movement of stocks in the next period, an analysis is needed to predict stock prices. To predict stock data in the form of time series data, a time series modeling is usually made. However, time series modeling with AR, MA, or a mixture of the two ARMA models is no longer appropriate for stock data. Because the stock data has a variety (volatility) that is not constant at every point in time. This is referred to as the effect of heteroscedasticity on time series data. To overcome the heteroscedasticity of stock data, the Autoregressive Conditional Heteroscedastic (ARCH) method and the Generalized Autoregressive Conditional Heteroscedastic (GARCH) method can be used. This study aims to estimate the parameters of the ARCH/GARCH model using the norm distribution and t-student distribution. Estimation of parameters used from stock data at PT. Malang BPF is 3/8 of the data using a normal distribution and 5/8 of the data using a t distribution. While the frequency of parameter estimation in the stock data of PT. BPF Malang obtained the efficiency results taken on average using the t distribution has an efficiency of 102.47% and the efficiency value using a normal distribution is 100.82%..

Other obstract

-

Item Type: Thesis (Sarjana)
Identification Number: 052109
Uncontrolled Keywords: ARCH, GARCH, Distribusi Normal, Distribusi t., ARCH, GARCH, Norm Distribution, t-student Distribution.
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User: Unnamed user with username dedyiskandar
Date Deposited: 22 Oct 2021 03:47
Last Modified: 24 Sep 2024 07:45
URI: http://repository.ub.ac.id/id/eprint/184939
[thumbnail of TRI SETIYO WIYONO.pdf] Text
TRI SETIYO WIYONO.pdf
Download (3MB)

Actions (login required)

View Item View Item