BAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa
|
|
- Hartono Cahyadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II TINJAUAN PUSTAKA 2.1 Pengertian Investasi Menurut Fahmi dan Hadi (2009) investasi merupakan suatu bentuk pengelolaan dana guna memberikan keuntungan dengan cara menempatkan dana tersebut pada alokasi yang diperkirakan sehingga memberikan tambahan keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa investasi merupakan penanaman modal untuk mendapatkan suatu pendapatan yang diharapkan di masa yang akan datang. 2.2 Pengertian Return Menurut Jogiyanto (2010) menyatakan bahwa return merupakan hasil yang diperoleh dari investasi. Return dapat berupa return linier dan logreturn. Return linier dapat dihitung menggunakan rumus (Husnan, 2003) Agar return pada analisis statistik tidak bias maka digunakan logreturn dengan rumus (Husnan, 2003) ( ) dengan menyatakan return (tingkat pengembalian) saham i pada periode, menyatakan indeks harga saham i pada periode, menyatakan indeks harga saham i pada periode. 5
2 6 Untuk nilai return portofolio secara umum sama dengan perhitungan return saham, hanya saja portofolio merupakan sekumpulan investasi, sehingga return portofolio berhubungan dengan proporsi dana yang ditanamkan pada masing-masing saham dalam portofolio. Return portofolio dapat ditulis sebagai (Husnan, 2003) dengan menyatakan return portofolio saham pada periode t, menyatakan suatu portofolio saham, menyatakan return saham i pada periode t dan menyatakan proporsi dana saham i dan n menyatakan banyaknya data saham. 2.3 Pengertian Portofolio Portofolio dinyatakan sebagai sekumpulan aset yang dimiliki untuk tujuan ekonomis tertentu. Konsep dasar yang dinyatakan dalam portofolio adalah bagaimana mengalokasikan sejumlah dana tertentu pada berbagai jenis investasi yang akan menghasilkan keuntungan yang optimal (Harold, 1998). Hal yang dipertimbangkan bagi investor dalam mengoptimalkan keputusan investasi adalah memaksimumkan tingkat imbal hasil investasi (return) pada risiko (risk) investasi tertentu (Saragih, 2006). Pembuatan kerangka keputusan investasi sangat menentukan keberhasilan seorang investor mengoptimalkan tingkat imbal hasil investasi dan mengurangi sekecil mungkin risiko yang dihadapi (Markowitz, 1952).
3 7 2.4 Varians Risiko dapat diartikan sebagai kemungkinan tingkat keuntungan yang diperoleh menyimpang dari tingkat keuntungan yang diharapkan. Ukuran penyimpangan dalam teori statistika disebut standar deviasi atau dalam bentuk kuadrat dinyatakan sebagai varians. Varians saham dapat ditentukan sebagai berikut (Husnan, 2003): 1. Membentuk expected return saham yang diformulasikan sebagai dengan merupakan expected return atau nilai harapan tingkat pengembalian saham i, merupakan tingkat pengembalian saham pada periode, merupakan peluang relatif untuk tiap keuntungan saham pada periode dan merupakan banyaknya data saham. Berdasarkan persamaan dapat dikatakan bahwa nilai harapan merupakan rataan dari, selanjutnya dapat dinotasikan dengan. Untuk mengetahui expected return dari portofolio saham diformulasikan sebagai (Husnan, 2003) dengan menyatakan proporsi dana yang diinvestasikan pada saham i, menyatakan expected return portofolio saham dan merupakan banyaknya data saham.
4 8 2. Jika peluang nilai harapan berdistribusi seragam, varians saham dapat dihitung dengan rumus [( ) ] ( ) Pemilihan portofolio didekati dengan cara memilih portofolio yang memberikan keuntungan maksimum dengan risiko tertentu. Untuk menghitung risiko portofolio digunakan persamaan dengan menyatakan proporsi dana yang diinvestasikan pada saham i, menyatakan variansi portofolio, menyatakan variansi saham i, menyatakan kovarian saham i dengan saham j dan merupakan banyaknya data saham (Husnan, 2003). 3. Menghitung nilai volatilitas pada saham dengan menggunakan rumus ( ) dimana, menyatakan variansi saham i, menyatakan tingkat pengembalian saham pada periode, menyatakan peluang relatif untuk tiap keuntungan saham pada periode, menyatakan expected return saham i dan merupakan banyaknya data saham.
5 9 Meramalkan volatilitas dipengaruhi oleh hubungan data saham yang dimiliki dimana saat penutupan harga saham akan mencerminkan banyak sinyal tentang peramalan volatilitas dibandingkan data lama atau sebelumnya Matriks Varian Kovarian Komponen varian dan kovarian portofolio saham dapat disusun dalam bentuk matriks untuk memudahkan perhitungan varian portofolio yang terdiri dari banyak saham (Jones, 1996). Berikut adalah matriks varian kovarian dari suatu portofolio (Jones, 1996): [ ] Pada matriks tampak perkalian varian yang sama dan perkalian varian yang lainnya beserta proporsi dana dari masing-masing saham yang dinotasikan dengan. Sel matriks pada kolom dan baris pertama berisi perkalian antara (pada baris pertama) dengan (pada kolom pertama) begitu seterusnya dan juga pada kolom ketiga, baris pertama, berisi perkalian antara dengan, dan seterusnya. Perkalian deviasi standar suatu saham dengan deviasi standarnya sendiri adalah varian dari saham yang bersangkutan, sedangkan perkalian deviasi standar suatu saham dengan deviasi standar saham lain, biasa diartikan sebagai kovarian. Varian terletak pada sel-sel diagonal matriks, sedangkan kovarian terletak pada bagian atas dan bawah sel-sel diagonal. Jika diperhatikan, tampak bahwa kovarian pada sel-sel bagian atas diagonal sama
6 10 dengan kovarian pada bagian bawah diagonal. Oleh karena itu, dalam formula varian portofolio akan ada dua kovarian yang sama untuk setiap dua saham dalam portofolio tersebut Standar Deviasi Standar deviasi merupakan ukuran untuk mengetahui risiko dari suatu portofolio. Ini didapat dari korelasi antar deviasi return saham yang dapat menimbulkan kovarian. Bila deviasi return saham positif digabungkan dengan deviasi return saham yang negatif, maka akan menghasilkan kovarian negatif. Kovarian yang negatif akan memberikan varian yang jauh lebih rendah daripada varian dari masing masing saham dalam portofolio tersebut (Jones, 1996). Secara umum standar deviasi dapat dirumuskan sebagai (Jones, 1996): dengan menyatakan standar deviasi saham ke-, menyatakan return saham, menyatakan expected return saham Koefisien Korelasi Koefisien korelasi merupakan hasil pembagian antara kovarian dengan perkalian standar deviasi dari dua buah saham. Untuk koefesien korelasi dirumuskan secara umum sebagai (Jones, 1996)
7 11 dengan menyatakan koefisien korelasi antara saham ke- dan saham ke-, menyatakan kovarian saham ke- dan saham ke-, menyatakan deviasi standar saham ke-, menyatakan deviasi standar saham ke Model Autoregressive (AR) Model Autoregressive adalah model yang menggambarkan bahwa variabel dependent dipengaruhi oleh variabel dependent itu sendiri pada periode-periode dan waktu-waktu sebelumnya (Sugiarto, 2000). Secara umum model autoregressive (AR) mempunyai bentuk (Sugiarto, 2000) dengan menyatakan return saham pada periode t, menyatakan konstanta, menyatakan koefisien atau parameter dari model autoregressive, menyatakan nilai return saham pada periode, dan menyatakan residual pada periode t. Orde dari model AR (yang diberi notasi p) ditentukan oleh banyaknya periode variabel dependent yang masuk dalam model. Sebagai contoh: adalah model AR orde 1 dengan notasi AR (1) adalah model AR orde 2 dengan notasi AR (2) Model di atas disebut sebagai model autoregressive (regresi diri sendiri) karena model tersebut mirip dengan persamaan regresi pada umumnya, hanya saja yang menjadi variabel independen bukan variabel yang berbeda dengan variabel dependen melainkan nilai sebelumnya (lag) dari variabel dependen ( ) itu sendiri.
8 12 Banyaknya nilai lampau yang digunakan oleh model, yaitu sebanyak p, menentukan tingkat model ini. Apabila hanya digunakan satu lag dependent, maka model ini dinamakan model autoregressive tingkat satu (first-order autoregressive) atau AR(1). Apabila nilai yang digunakan sebanyak p lag dependen, maka model ini dinamakan model autoregressive tingkat p (p-th order autoregressive) atau AR(p). 2.6 Generalized Autoregressive Conditional Heteroskedasticity (GARCH) Model Generalized Autoregressive Conditional Heteroskedasticity (GARCH) digunakan dalam mengestimasi volatilitas pada saham karena volatilitas tidak konstan dan data finansial berupa fat tail atau ekor gemuk. Pada tahun 1986, Bollerslev mengembangkan model Autoregressive Conditional Heteroskedasticity (ARCH) setelah Engle yang kemudian berkembang menjadi model GARCH. Model ARCH dan GARCH merupakan suatu model dalam data runtun waktu yang dapat digunakan untuk memodelkan data return pada bidang finansial, khususnya kondisi di mana data runtun waktu bidang finansial tersebut memiliki dua sifat penting, yaitu: 1. Distribusi probabilitas dari return bersifat fat tails, memiliki kecendrungan terjadinya kejadian ekstrim lebih besar dibandingkan dengan model distribusi normal (Gaussian). 2. Adanya volatility clustering, yaitu terjadi variabilitas data relatif tinggi pada waktu akan terjadi kecendrungan yang sama dalam kurun waktu selanjutnya.
9 13 Model ARCH diperkenalkan oleh Engle pada tahun 1982, model ini digunakan untuk memperkirakan volatilitas dengan nilai residual ( ) tidak saling berautokorelasi. Residual mengikuti model ARCH yang dimodelkan sebagai (Bollerslev,1986) dengan adalah parameter dari model ARCH dan merupakan parameter konstan. Walaupun model ARCH cukup sederhana, namun dalam keadaan khusus dibutuhkan ordo yang cukup tinggi untuk menggambarkan suatu volatilitas. Untuk mengatasi masalah ini, Bollerslev mengembangkan model ARCH menjadi model GARCH di mana residual ( ) mengikuti model GARCH dengan merupakan orde ARCH dan merupakan orde dari GARCH yang dapat dimodelkan sebagai (Bollerslev, 1986) dengan adalah nilai parameter GARCH ke dimana sedangkan adalah nilai varians pada periode. Masalah yang dihadapi dalam memodelkan data acak melalui model GARCH adalah menentukan koefisien
10 14 berdasarkan data acak yang sudah ada. Jika koefisien ini telah diperoleh, maka nilai bisa diramalkan dengan tingkat kesalahan tertentu. Langkah-langkah pengujian dalam menyusun model GARCH (Surya, Hokky, Yun, & Rendra, 2004): 1. Hal pertama yang dilakukan adalah melakukan tahap estimasi pada koefisien-koefisien model GARCH. Sebelum melakukan estimasi terlebih dahulu menghadirkan model GARCH yang mampu menggambarkan kondisi data yang akan dimodelkan, model GARCH tersebut bisa linear maupun nonlinear. Sebagai contoh model sederhana GARCH 2. Tahap selanjutnya disebut tahap pra-estimasi. Pada tahap ini dilakukan uji autokorelasi. Uji autokorelasi dilakukan untuk mengetahui apakah model GARCH baik diterapkan, karena asumsi yang digunakan mengharuskan adanya autokorelasi antar data. Autokorelasi dikembangkan untuk melihat apakah suatu data memiliki perilaku yang benar-benar acak atau tidak. a. Fungsi Autokorelasi (ACF) Fungsi autokorelasi digunakan untuk mengukur ketergantungan bersama (mutual dependen) antara nilai-nilai suatu runtun waktu yang sama pada periode waktu yang berlainan. ACF sebagai perbandingan antara kovarians pada lag dengan variannya. Sehingga ACF pada lag dapat ditulis sebagai (Wei, 2006)
11 15 dengan nilai berkisar antara -1 sampai 1. Persamaan (2.15) merupakan ACF untuk data populasi, sehingga diperlukan estimasi ACF melalui Fungsi Autokorelasi Parsial (PACF). b. Fungsi Autokorelasi Parsial (PACF) Fungsi autokorelasi parsial digunakan untuk menunjukkan besarnya hubungan nilai suatu peubah saat ini dengan nilai sebelumnya dari peubah yang sama dengan menganggap pengaruh dari lag waktu lainnya adalah konstan. Fungsi autokorelasi parsial menyatakan korelasi antara dan setelah ketergantungan linear dengan peubah dihilangkan (Wei, 2006). Untuk runtun waktu stasioner dan jika adalah runtun waktu berdistribusi normal, maka ( ) dengan adalah koefisien autokorelasi parsial pada lag Untuk lag yang diberikan, memenuhi persamaan Yulle-Walker (Wei, 2006) dengan Nilai estimasi dari adalah persamaan (Wei, 2006)
12 16 dengan untuk Secara formal berautokorelasi atau tidaknya suatu data dapat dilakukan dengan uji statistika berdasarkan standar errornya. Selain uji secara individual terhadap nilai koefisien k dapat dilakukan uji secara serentak terhadap semua koefisien ACF sampai pada lag tertentu. c. Uji Ljung-Box Pada uji Ljung-Box, akan dilakukan pengujian terhadap data apakah mempunyai unsur autokorelasi atau tidak. Tahapan-tahapan yang dilakukan adalah a. Menetapkan hipotesis : data tidak berautokorelasi : data memiliki autokorelasi b. Menghitung uji statistik Ljung-Box (Wei, 2006) ( ) dengan LB menyatakan statistik Ljung Box, menyatakan banyaknya data pengamatan, merupakan taksiran autokorelasi, dan adalah panjang lag. c. Daerah penolakan Kriteria uji dilakukan ditolak jika LB > atau. Apabila ditolak maka akan dipilih yang berarti data berautokorelasi.
13 17 Uji statistika Ljung-Box ini sebagaimana uji statistik mengikuti distribusi chi square. Jika nilai statistik LB lebih kecil dari nilai kritis statistik dari tabel distribusi chi square maka data tidak memiliki autokorelasi. Sebaliknya jika nilai satistik LB lebih besar dari nilai kritis statistik dari tabel distribusi chi square maka data memiliki autokorelasi. Kemudian pada tahap ini pula dilakukan uji terhadap kehadiran unsur heteroscedasticity atau efek GARCH. Uji ini biasa dikenal sabagai Uji ARCH LM. a. Menetapkan hipotesis Hipotesis dari uji ARCH LM adalah : homoscedasticity, tidak ada efek ARCH-GARCH : heteroscedasticity, terdapat efek ARCH-GARCH b. Menghitung nilai statistik uji ARCH LM (Danielson, 20011) merupakan koefisien determinasi, banyaknya data dan panjang lag. c. Daerah penolakan Kriteria uji dilakukan apabila tolak jika > atau -value <, maka akan dipilih yang berarti ada efek ARCH-GARCH pada data. Uji statistika ARCH LM ini sebagaimana uji statistik mengikuti distribusi chi square. Jika nilai statistik ARCH LM lebih kecil dari nilai kritis statistik dari tabel distribusi chi square maka residual
14 18 data tidak terdapat efek ARCH-GARCH. Sebaliknya jika nilai statistik ARCH LM lebih besar dari nilai kritis statistik dari tabel distribusi chi square maka residual terdapat efek ARCH-GARCH 3. Tahap estimasi model GARCH menggunakan MLE. Metode ini dapat digunakan karena residual tidak mengikuti distribusi normal. Diberikan model regresi linier sederhana yaitu: variabel dependen mempunyai distribusi normal dengan mean dan varian. Distribusi peluang menggunakan mean dan varian dapat ditulis sebagai [ ] Fungsi likelihood adalah perkalian dari probabilitas setiap kejadian individual pada semua observasi. Dengan demikian fungsi likelihood dapat dituliskan sebagai berikut: [ ] Tahapan estimasi parameter dengan model GARCH: 1. Mengubah persamaan fungsi likelihood ke dalam bentuk logaritma natural
15 19 2. Memaksimumkan fungsi likelihood dengan mencari turunan pertama terhadap masing-masing parameter adalah variabel dependen dari data pengamatan, adalah variabel dependen data pengamatan, dan adalah nilai parameter estimasi dan adalah varians. 4. Pemilihan model terbaik dapat dilakukan dengan beberapa kriteria yaitu sebagai a. Akaike s Information Criterion (AIC) Model terbaik di mana parameternya menyatakan pencocokan suatu model terhadap suatu data harus seminimalnya. Persamaan untuk menghitung nilai AIC dapat dinyatakan sebagai (Wei, 2006) merupakan banyaknya observasi, adalah estimasi maksimum likelihood dari, merupakan banyaknya parameter dalam model dan merupakan jumlah data. Jika nilai AIC semakin kecil maka model semakin baik digunakan. b. Bayesian Information Criterion (BIC) Selain menggunakan AIC, penentuan model terbaik juga dapat dilihat dari nilai BIC terkecil. Persamaan untuk menghitung BIC dapat dinyatakan sebagai (Wei, 2006) ( )
16 20 dengan merupakan Sum Square Error, adalah banyaknya parameter, adalah banyaknya residual dan = 3,14.
MODEL NON LINIER GARCH (NGARCH) UNTUK MENGESTIMASI NILAI VALUE at RISK (VaR) PADA IHSG
E-Jurnal Matematika Vol. 4 (2), Mei 215, pp. 59-66 ISSN: 233-1751 MODEL NON LINIER (N) UNTUK MENGESTIMASI NILAI VALUE at RISK (VaR) PADA IHSG I Komang Try Bayu Mahendra 1, Komang Dharmawan 2, Ni Ketut
Lebih terperinciBAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji
35 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji ACF, uji PACF, uji ARCH-LM,
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di Pasar Bunga Rawabelong, Jakarta Barat yang merupakan Unit Pelaksana Teknis (UPT) Pusat Promosi dan Pemasaran Holtikultura
Lebih terperinciMENENTUKAN PORTOFOLIO OPTIMAL MENGGUNAKAN MODEL CONDITIONAL MEAN VARIANCE
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 82-89 ISSN: 2303-1751 MENENTUKAN PORTOFOLIO OPTIMAL MENGGUNAKAN MODEL CONDITIONAL MEAN VARIANCE I Gede Ery Niscahyana 1, Komang Dharmawan 2, I Nyoman Widana
Lebih terperinciPENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Lebih terperinciBAB I PENDAHULUAN. Perilaku dari harga suatu aset finansial dapat dilihat dari dua parameter,
BAB I PENDAHULUAN 1.1 Latar belakang Perilaku dari harga suatu aset finansial dapat dilihat dari dua parameter, yaitu mean dan standar deviasi harga aset tersebut. Dalam bahasa keuangan, standar deviasi
Lebih terperinciBAB III METODE PENELITIAN. 3.1 Unit Analisis dan Ruang Lingkup Penelitian. yang berupa data deret waktu harga saham, yaitu data harian harga saham
32 BAB III METODE PENELITIAN 3.1 Unit Analisis dan Ruang Lingkup Penelitian 3.1.1. Objek Penelitian Objek sampel data dalam penelitian ini menggunakan data sekunder yang berupa data deret waktu harga saham,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Saham adalah surat berharga yang menjadi bukti seseorang berinvestasi pada suatu perusahaan. Harga saham selalu mengalami perubahan harga atau biasa disebut
Lebih terperinciBAB I PENDAHULUAN. penting dalam proses pengambilan keputusan di suatu instansi. Untuk melakukan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada zaman sekarang, peramalan merupakan salah satu unsur yang sangat penting dalam proses pengambilan keputusan di suatu instansi. Untuk melakukan peramalan
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Sumber Data Penelitian ini menggunakan data sekunder yang diperoleh dari BEI. Data yang digunakan dalam penelitian ini merupakan data harian yang dimulai dari 3 Januari 2007
Lebih terperinciPERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 ABSTRACT
PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 Boy A Lumban Gaol 1, Tumpal Parulian Nababan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1
Lebih terperinciBAB II LANDASAN TEORI. nonstasioneritas, Autocorrelation Function (ACF) dan Parsial Autocorrelation
BAB II LANDASAN TEORI Pada Bab II akan dijelaskan pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya yaitu peramalan data runtun waktu (time series), konsep dasar
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciBAB III METODE PENELITIAN
33 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Penelitian ini dilakukan berdasarkan data series bulan yang dipublikasikan oleh Bank Indonesia (BI) dan Badan Pusat Statistik (BPS), diantaranya adalah
Lebih terperinciBAB III NONLINEAR GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (N-GARCH)
BAB III NONLINEAR GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (N-GARCH) 3.1 Proses Nonlinear Autoregressive Conditional Heteroskedasticity (N-ARCH) Model Nonlinear Autoregressive Conditional
Lebih terperinciBAB I PENDAHULUAN. untuk menjual, menahan, atau membeli saham dengan menggunakan indeks
BAB I PENDAHULUAN A. LATAR BELAKANG MASALAH Pasar modal merupakan pasar abstrak, dimana yang diperjualbelikan adalah dana jangka panjang, yaitu dana yang keterikatannya dalam investasi lebih dari satu
Lebih terperinciBAB II TINJAUAN PUSTAKA
DAFTAR ISI PERNYATAAN... i ABSTRAK... ii KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... v DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xi BAB I PENDAHULUAN... 1 1.1 Latar Belakang...
Lebih terperinciUNNES Journal of Mathematics
UJM 5 (2) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN TAKSIRAN VALUE AT RISK DENGAN PROGRAM R DAN MATLAB DALAM ANALISIS INVESTASI SAHAM MENGGUNAKAN METODE
Lebih terperinciBAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER
21 BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER 3.1 Model Variasi Kalender Liu (Kamil 2010: 10) menjelaskan bahwa untuk data runtun waktu yang mengandung efek variasi kalender, dituliskan pada persamaan
Lebih terperinciPERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH
PERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH Universitas Negeri Malang E-mail: abiyaniprisca@ymail.com Abstrak: Penelitian ini bertujuan untuk mengetahui model peramalan terbaik dari data
Lebih terperinciPERHITUNGAN NILAI BETA DARI BEBERAPA SAHAM UNGGULAN DI INDONESIA DENGAN MENGGUNAKAN METODE GARCH
E-Jurnal Matematika Vol. 5 (2), Mei 216, pp. 67-75 ISSN: 233-1751 PERHITUNGAN NILAI BETA DARI BEBERAPA SAHAM UNGGULAN DI INDONESIA DENGAN MENGGUNAKAN METODE Ni Kadek Puspitayanti 1, Komang Dharmawan 2,
Lebih terperinciPENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: Nurkhoiriyah 1205100050 Dosen pembimbing: Dra. Nuri Wahyuningsih, M. Kes. Jurusan
Lebih terperinciMENAKSIR VALUE AT RISK (VAR) PORTOFOLIO PADA INDEKS SAHAM DENGAN METODE PENDUGA VOLATILITAS GARCH
MENAKSIR VALUE AT RISK (VAR) PORTOFOLIO PADA INDEKS SAHAM DENGAN METODE PENDUGA VOLATILITAS GARCH INTAN AWYA WAHARIKA 1, KOMANG DHARMAWAN 2, NI MADE ASIH 3 1, 2, 3 Jurusan Matematika FMIPA Universitas
Lebih terperinciPERHITUNGAN NILAI BETA DARI BEBERAPA SAHAM UNGGULAN DI INDONESIA DENGAN MENGGUNAKAN METODE GARCH
E-Jurnal Matematika Vol. 5 (2), Mei 216, pp. 67-75 ISSN: 233-1751 PERHITUNGAN NILAI BETA DARI BEBERAPA SAHAM UNGGULAN DI INDONESIA DENGAN MENGGUNAKAN METODE Ni Kadek Puspitayanti 1, Komang Dharmawan 2,
Lebih terperinciPERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M)
PERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M) (Studi Kasus pada Return Harga Saham PT. Wijaya Karya) SKRIPSI Disusun Oleh : Dwi Hasti
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel bebas dalam penelitian ini adalah Corporate Governance
BAB III METODOLOGI PENELITIAN A. Variabel Penelitian Variabel bebas dalam penelitian ini adalah Corporate Governance Perception Index (CGPI), sedangkan variabel terikat dalam penelitian ini adalah volatilitas
Lebih terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinciBAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi saat ini berkembang pesat.
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan dan teknologi saat ini berkembang pesat. Hal ini mendorong manusia untuk terus berupaya memanfaatkan kemajuan teknologi di antaranya diwujudkan
Lebih terperinciMENGGUNAKAN METODE GARCH ASIMETRIS
PEMODELAN RETURN PORTOFOLIO SAHAM MENGGUNAKAN METODE GARCH ASIMETRIS SKRIPSI Disusun Oleh : MUHAMMAD ARIFIN 24010212140058 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG
Lebih terperinciPERBANDINGAN SENSITIVITAS MODEL MARKOWITZ, EWMA, DAN GARCH TERHADAP PERUBAHAN NILAI VOLATILITAS DALAM PEMBETUKAN PORTOFOLIO INVESTASI
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 PERBANDINGAN SENSITIVITAS MODEL MARKOWITZ, EWMA, DAN GARCH TERHADAP PERUBAHAN NILAI VOLATILITAS DALAM PEMBETUKAN PORTOFOLIO
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka Engle [7] melakukan penelitian mengenai model yang mengatasi efek heteroskedastisitas yaitu model autoregressive conditional heteroskedasticity (ARCH) yang diterapkan
Lebih terperinciPEMODELAN TARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH. Retno Hestiningtyas dan Winita Sulandari, M.Si. Jurusan Matematika FMIPA UNS
S-9 PEMODELAN TARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Retno Hestiningtyas dan Winita Sulandari, M.Si Jurusan Matematika FMIPA UNS ABSTRAK. Pada data finansial sering terjadi keadaan leverage effect,
Lebih terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Desain Penelitian Desain penelitian mempunyai peranan yang sangat penting, karena keberhasilan suatu penelitian sangat dipengaruhi oleh pilihan desain atau model penelitian.
Lebih terperinciPERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH
PERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH, Universitas Negeri Malang E-mail: die_gazeboy24@yahoo.com Abstrak: Penelitian ini bertujuan untuk mengetahui model
Lebih terperinciPERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Investasi berkaitan dengan penempatan dana ke dalam bentuk aset yang lain selama periode tertentu dengan harapan tertentu. Aset yang menjadi objek investasi seseorang
Lebih terperinciPENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)
PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) FITROH AMALIA (1306100073) Dosen Pembimbing: Drs. Haryono, MSIE PENGENDALIAN KUALITAS
Lebih terperinciDisusun oleh : Nur Musrifah Rohmaningsih Skripsi. Sebagai Salah Satu Syarat untuk Memperoleh Gelar
PEMODELAN DAN PERAMALAN NILAI RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (APARCH) Disusun oleh : Nur Musrifah Rohmaningsih 24010211120019
Lebih terperinciBAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari
BAB III MODEL STATE-SPACE 3.1 Representasi Model State-Space Representasi state space dari suatu sistem merupakan suatu konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan
Lebih terperinciBAB III THRESHOLD AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICTY (TARCH) Proses TARCH merupakan modifikasi dari model ARCH dan GARCH.
BAB III THRESHOLD AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICTY (TARCH) 3.1. Model TARCH Proses TARCH merupakan modifikasi dari model ARCH dan GARCH. Pada proses ini nilai residu yang lebih kecil dari nol
Lebih terperinciBAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial
BAB II TINJAUAN PUSTAKA Berikut teori-teori yang mendukung penelitian ini, yaitu konsep dasar peramalan, konsep dasar deret waktu, proses stokastik, proses stasioner, fungsi autokovarians (ACVF) dan fungsi
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih terperinciPERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciPemodelan dan Peramalan Penutupan Harga Saham Harian Jakarta Islamic Index Model Garch
EKBISI, Vol. IX, No. 1, Desember 2014, hal. 57-66 ISSN:1907-9109 Pemodelan dan Peramalan Penutupan Harga Saham Harian Jakarta Islamic Index Model Garch Ahmad Syarif 1 Fakultas Syariah dan Hukum UIN Sunan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciPENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: NURKHOIRIYAH 1205100050 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. 1 Latar
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciPEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH
PEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH BUNGA LETY MARVILLIA Matematika, Fakultas Ilmu Pengetahuan Alam, UNESA Jl. Ketintang villy_cute_7@yahoo.com 1, raywhite_vbm@gmail.com
Lebih terperinciTEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari Indonesia Tbk)
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 71 78. TEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan salah satu unsur yang sangat penting dalam
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan salah satu unsur yang sangat penting dalam pengambilan keputusan, karena terkadang faktor-faktor yang berhubungan dengan pengambilan keputusan tidak
Lebih terperinciPERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED PARETO DISTRIBUTION UNTUK PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 361-371 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED
Lebih terperinciBAB III ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) Asymmetric Power Autoregressive Conditional Heteroscedasticity
BAB III ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) 3.1 Proses APARCH Asymmetric Power Autoregressive Conditional Heteroscedasticity (APARCH) diperkenalkan oleh Ding, Granger
Lebih terperinciBAB I PENDAHULUAN. diantaranya surat utang (obligasi), ekuiti (saham), reksa dana, dan instrumen
BAB I PENDAHULUAN 1.1 Latar Belakang Instrumen keuangan yang dapat diperjualbelikan di pasar modal diantaranya surat utang (obligasi), ekuiti (saham), reksa dana, dan instrumen lainnya. Saham merupakan
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi Penelitian 4.2. Data dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi Penelitian Penelitian mengenai risiko harga dan perilaku penawaran apel dilakukan di PT Kusuma Satria Dinasasri Wisatajaya yang beralamat di Jalan Abdul Gani Atas, Kelurahan
Lebih terperinciBab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1 Desain Penelitian Penelitian ini didasari oleh gejolak/volatilitas nilai tukar rupiah terhadap mata uang asing (valuta asing).pada nilai transaksi jual beli valuta asing yang
Lebih terperinciIII. METODOLOGI PENELITIAN. kuantitatif. Menurut Silalahi dalam Eliyawati (2012) penelitian kuantitatif yaitu
III. METODOLOGI PENELITIAN 3.1 Jenis Penelitian Penelitian ini merupakan jenis penelitian yang menggunakan pendekatan kuantitatif. Menurut Silalahi dalam Eliyawati (2012) penelitian kuantitatif yaitu penelitian
Lebih terperinciBAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
Lebih terperinciPEMODELAN RETURN SAHAM PERBANKAN MENGGUNAKAN EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2016, Halaman 91-99 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN RETURN SAHAM PERBANKAN MENGGUNAKAN EXPONENTIAL GENERALIZED
Lebih terperinciPEMODELAN RETURN PORTOFOLIO SAHAM MENGGUNAKAN METODE GARCH ASIMETRIS. Keywords: Stocks, Portfolio, Return, Volatility, Asymmetric GARCH.
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 51-60 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN RETURN PORTOFOLIO SAHAM MENGGUNAKAN METODE GARCH ASIMETRIS
Lebih terperinciBAB III METODE PENELITIAN. Statistik). Data yang diambil pada periode , yang dimana di dalamnya
BAB III METODE PENELITIAN 3.1. Metode Penelitian 3.1.1. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder sendiri artinya adalah data yang tidak dikumpulkan
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian 4.2 Jenis dan Sumber Data
IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian tentang risiko harga sayuran di Indonesia mencakup komoditas kentang, kubis, dan tomat dilakukan di Pasar Induk Kramat Jati, yang
Lebih terperinciPADA PORTOFOLIO SAHAM
PERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED PARETO DISTRIBUTION UNTUK PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM SKRIPSI Disusun oleh: AYU AMBARSARI 24010212140079 DEPARTEMEN
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Stasioneritas Stasioneritas berarti bahwa tidak terdapat perubahan yang drastis pada data. Fluktuasi data berada di sekitar suatu nilai rata-rata yang konstan, tidak tergantung
Lebih terperinciBAB III PEMODELAN DATA IHSG DAN LAJU INFLASI INDONESIA MENGGUNAKAN VECTOR AUTOREGRESSIVE WITH EXOGENOUS VARIABLE (VARX)
BAB III PEMODELAN DATA IHSG DAN LAJU INFLASI INDONESIA MENGGUNAKAN VECTOR AUTOREGRESSIVE WITH EXOGENOUS VARIABLE (VARX) 3.1 Model Vector Autoregressive (VAR) Model Vector Autoregressive (VAR) adalah model
Lebih terperinciPEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA
PEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA SKRIPSI Disusun Oleh: UMI SULISTYORINI ADI 24010212140082 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Esti Pertiwi, 2013
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan salah satu kebutuhan yang sangat penting bagi kehidupan manusia, terutama sebagai salah satu faktor dalam pengambilan keputusan. Peramalan biasanya
Lebih terperinciPENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR)
PENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR) Oleh: Julianto (1) Entit Puspita (2) Fitriani Agustina (2) ABSTRAK Dalam melakukan investasi dalam saham, investor
Lebih terperinciSuma Suci Sholihah, Heni Kusdarwati, Rahma Fitriani. Jurusan Matematika, F.MIPA, Universitas Brawijaya
PEMODELAN RETURN IHSG PERIODE 15 SEPTEMBER 1998 13 SEPTEMBER 2013 MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (TGARCH(1,1)) DENGAN DUA THRESHOLD Suma Suci Sholihah,
Lebih terperinciPENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN DISTRIBUSI PARETO TERAMPAT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 453-462 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN
Lebih terperinciWenty Yolanda Eliyawati R. Rustam Hidayat Devi Farah Azizah Fakultas Ilmu Administrasi Universitas Brawijaya Malang
PENERAPAN MODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) UNTUK MENGUJI PASAR MODAL EFISIEN DI INDONESIA (Studi pada Harga Penutupan (Closing Price) Indeks Saham LQ 45 Periode 2009-2011)
Lebih terperinciPENENTUAN VALUE AT RISK
PENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN DISTRIBUSI PARETO TERAMPAT (Studi Kasus : Harga Penutupan Saham Harian Kimia Farma Pusat Periode Oktober 2009 September 2014) SKRIPSI
Lebih terperinciBAB III GENERALIZED SPACE TIME AUTOREGRESSIVE. Model GSTAR adalah salah satu model yang banyak digunakan untuk
BAB III GENERALIZED SPACE TIME AUTOREGRESSIVE 3.1 Indeks Gini Model GSTAR adalah salah satu model yang banyak digunakan untuk memodelkan dan meramalkan data deret waktu dan lokasi. Model ini merupakan
Lebih terperinciBAB II TINJAUAN PUSTAKA. yaitu investasi, portofolio, return dan expected return, risiko dalam berinvestasi,
BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas semua konsep yang mendasari penelitian ini yaitu investasi, portofolio, return dan expected return, risiko dalam berinvestasi, Compromise Programming,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Risiko adalah besarnya penyimpangan antara tingkat pengembalian yang diharapkan (expected return) dengan tingkat pengembalian aktual (actual return). Pengukuran
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 655-662 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciBAB IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data
BAB IV KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan uraian dan pembahasan pada bab-bab sebelumnya, maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi Produk Domestik Bruto Usaha Mikro Kecil dan Menengah (UMKM) di Indonesia Tahun
Lebih terperinciBAB I PENDAHULUAN. memberikan informasi tentang rata-rata bersyarat pada Y
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari- hari sering dijumpai data time series yang terdiri dari beberapa variabel yang saling terkait yang dinamakan dengan data time series
Lebih terperinciPemodelan Data Time Series Garch(1,1) Untuk Pasar Saham Indonesia. Time Series With GARCH(1,1) Model for Indonesian Stock Markets
Pemodelan Data Time Series Garch(1,1) Untuk Pasar Saham Indonesia Time Series With GARCH(1,1) Model for Indonesian Stock Markets Elfa Rafulta 1), Roni Tri Putra 2) 1) Jurusan Pendidikan Matematika, STKIP
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciPenggunaan Metode VaR (Value at Risk) dalam Analisis Risiko Investasi Saham dengan Pendekatan Generalized Pareto Distribution (GPD)
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 212) ISSN: 231-928X D-56 Penggunaan Metode VaR (Value at Risk) dalam Analisis Risiko Investasi Saham dengan Pendekatan Generalized Pareto Distribution (GPD)
Lebih terperinciPEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 465-474 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data runtun waktu dari fenomena real seperti data finansial biasanya bersifat nonstasioner. Tipe data runtun waktu finansial biasanya dicirikan oleh pola-pola seperti
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 705-715 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN DAN PERAMALAN VOLATILITAS PADA RETURN SAHAM BANK BUKOPIN
Lebih terperinciINTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) (Studi Kasus pada Return Kurs Rupiah terhadap Dollar Australia)
PERHITUNGAN VALUE AT RISK MENGGUNAKAN MODEL INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) (Studi Kasus pada Return Kurs Rupiah terhadap Dollar Australia) SKRIPSI Disusun
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tujuan Penelitian Berdasarkan kerangka teoritik yang telah dijelaskan pada Bab II maka tujuan penelitian yang hendak dicapai antara lain : 1. Memberikan bukti empiris baru
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Populasi Populasi dari penelitian ini adalah perbankan yang go public di Bursa Efek Indonesia (BEI) dan menerbitkan laporan keuangan yang lengkap (Annual Report) pada periode
Lebih terperinciPEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 771-780 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP
Lebih terperinciAnalisis Statistik Faktor Faktor Yang Mempengaruhi Pergerakan Harga Saham di Bursa Efek Indonesia (BEI) Menggunakan Regresi Time Series
Analisis Statistik Faktor Faktor Yang Mempengaruhi Pergerakan Harga Saham di Bursa Efek Indonesia (BEI) Menggunakan Regresi Time Series Theresia Desy M ), Haryono ) ) Mahasiswa Jurusan Statistika FMIPA
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Analisis runtun waktu banyak diterapkan hampir di semua bidang kegiatan, antara lain bidang ekonomi, kesehatan, ilmu pengetahuan alam, dan sebagainya. Ada
Lebih terperinciBAB I PENDAHULUAN. Tujuan akhir dari kebijakan makroekonomi adalah stabilitas harga yang menciptakan
BAB I PENDAHULUAN 1.1 Latar Belakang Tujuan akhir dari kebijakan makroekonomi adalah stabilitas harga yang menciptakan pertumbuhan ekonomi yang berkesinambungan. Pertumbuhan ekonomi yang berkesinambungan
Lebih terperinciAnalisis Harga Saham Properti di Indonesia menggunakan metode GARCH
Analisis Harga Saham Properti di Indonesia menggunakan metode GARCH Dhafinta Widyasaraswati1,a), Acep Purqon1,b) 1 Laboratorium Fisika Bumi, Kelompok Keilmuan Fisika Bumi dan Sistem Kompleks, Fakultas
Lebih terperinci3 Kesimpulan. 4 Daftar Pustaka
Litterman-2. Keuntungan aktual maksimal kedua kinerja Black Litterman ternyata terjadi pada waktu yang sama yaitu tanggal 19 Februari 2013. Secara umum dapat dinyatakan bahwa pembentukan portofolio dengan
Lebih terperinciPERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH
PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Oleh RETNO HESTININGTYAS M0106061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinci