Metode Langkah-langkah yang dilakukan dalam penelitian ini dapat dilihat pada Gambar 1. Eksplorasi data. Identifikasi model ARCH
|
|
- Hadi Setiawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 6 Metode Langkah-langkah yang dilakukan dalam penelitian ini dapat dilihat pada Gambar 1. Eksplorasi data Identifikasi model ARCH Pendugaan parameter dan pemilihan model ARCH/GARCH Uji pengaruh asimetrik Pendugaan parameter dan pemilihan model EGARCH Pemeriksaan model Peramalan dan validasi Gambar 1. Diagram alir penelitian Langkah-langkah pada Gambar 1 diatas dapat dijabarkan sebagai berikut : 1. Eksplorasi data. Eksplorasi data dengan melihat pergerakan indeks harga saham melalui plot deret waktu indeks harga saham dan statistika deskriptif pengembalian harga saham sektor properti. 2. Identifikasi model ARCH. Identifikasi adanya proses ARCH menggunakan uji Lagrang Multiplier dengan tahapan sebagai berikut : a. Menentukan model rataan. b. Meregresikan kuadrat galat model rataan. c. Menghitung nilai Jika lebih besar dari, mengindikasikan adanya pengaruh ARCH. Untuk model EGARCH tidak dilakukan pengujian heteroskedastistas karena pada dasarnya model EGARCH adalah modifikasi dari model GARCH dan hasil dari pengujian heteroskedastisitas galat memberikan hasil yang sama. 3. Pendugaan parameter dan pemilihan model ARCH/GARCH dan EGARCH. Pendugaan parameter menggunakan metode maximum likelihood jika data menyebar normal. Sedangkan jika data tidak menyebar normal, pendugaan parameter menggunakan metode Quasi Maximum Likelihod. Kriteria pemilihan model terbaik pada model ARCH/GARCH dan model EGARCH menggunakan indikator kebaikan model yaitu nilai AIC dan SBC yang minimum dan mempunyai parameter yang signifikan. 4. Uji pengaruh asimetrik. Pengaruh asimetrik pada data dapat diuji menggunakan korelasi silang antara kuadrat galat model rataan terhadap lag galatnya (Tagliafichi, 2003). 5. Pemeriksaan model. Pemerikasaan model GARCH dan model EGARCH dilakukan dengan memeriksa galat baku model yang meliputi pemeriksaan kehomogenan ragam galat baku dan pemeriksaan autokorelasi galat baku. 6. Peramalan dan validasi. Peramalan ragam dilakukan untuk model ARCH/GARCH dan model EGARCH. Kemudian dilakukan validasi untuk melihat performa model GARCH dalam memodelkan ragam. Hasil peramalan ragam model GARCH untuk 22 periode ke depan dibandingkan dengan hasil peramalan model EGARCH. HASIL DAN PEMBAHASAN Eksplorasi Data Data indeks harga saham sektor properti sebesar 828 pengamatan. Gambar 2 merupakan plot antara indeks harga saham dengan waktu. Gambar 2. Plot deret waktu indeks harga saham Dari Gambar 2 terlihat adanya pola siklus yang diawali dengan trend naik pada tahun 2006 hingga akhir bulan Juli 2007, kenaikan tersebut terjadi karena ekonomi di Indonesia yang semakin membaik. Trend naik ini kemudian disusul dengan trend turun hingga pertengahan Agustus Pola trend naik yang diikuti trend turun terjadi hingga bulan Mei 2008 kemudian trend terus menurun
2 7 hingga akhir Oktober 2008, pola tersebut terjadi karena adanya gejolak krisis ekonomi yang melanda Indonesia. Selanjutnya tercapai kestabilan sampai pada bulan April 2009 yang menunjukkan bahwa perekonomian di Indonesia sudah menunjukkan adanya perbaikan hingga meningkat pada bulan Mei Data pengembalian harga saham terdiri dari T = 827 pengamatan yang secara eksplorasi dapat dilihat pada Gambar 3. Pada gambar tersebut terdapat perbedaaan antara titik puncak dengan titik bawah pada beberapa periode dan ketidakseragaman simpangan-simpangannya. Pada gambar juga terlihat tidak adanya pola trend, karena itu model konstanta cukup untuk digunakan sebagai model rataan bagi tingkat pengembalian. Gambar 4. Plot pengembalian harga saham Gambar 3. Histogram pengembalian harga saham Hasil ringkasan data pengembalian harga saham dapat dilihat pada Tabel 1. Tabel 1 Ringkasan data pengembalian harga saham Statistik Nilai Rataan Simpangan baku Kemenjuluran Keruncingan Berdasarkan Tabel 1 diatas, tingkat pengembalian harga saham memiliki nilai rataan yang positif menunjukkan bahwa saham sektor properti memiliki tingkat pengembalian yang positif. Kemenjuluran yang bernilai negatif menunjukkan bahwa data pengembalian menjulur ke kiri. Nilai keruncingan yang lebih besar dari 3 berarti bahwa data tersebut memiliki ekor yang lebih panjang dibandingkan dengan sebaran normal (heavy tail) dan merupakan gejala awal adanya heteroskedastisitas. Nilai kemenjuluran dan keruncingan tersebut menunjukkan bahwa data pengembalian mengumpul pada pengembalian yang bernilai besar. Identifikasi Model Identifikasi adanya heteroskedastisitas secara visual dapat terlihat pada Gambar 4. Untuk model rataan dapat dilihat pada Tabel 2 dibawah ini, diperoleh dugaan intersep sebesar , model rataan bagi tingkat pengembalian hanya memasukkan komponen konstanta maka dugaan bagi intersep adalah nilai rataannya. Tabel 2 Model rataan. Peubah Dugaan Nilai t Intersep Model rataan dapat dituliskan dalam persamaan sebagai berikut : Tabel 3 Uji heteroskedastisitas galat model rataan. Ordo LM < < < < < < < < < < < Hasil uji keberadaan pengaruh ARCH menggunakan uji Lagrange Multiplier seperti yang terlihat pada Tabel 3, terlihat bahwa nilai
3 8 p signifikan pada untuk ordo Hal tersebut menunjukkan adanya pengaruh ARCH pada galat model rataan. Banyaknya ordo yang signifikan menunjukkan banyaknya ordo ARCH yang diperlukan untuk memodelkan fungsi ragam. Model ARCH adalah proses short memory yang hanya memasukkan q kuadrat galat yang digunakan untuk menduga perubahan ragam. Sedangkan model GARCH adalah proses long memory yang menggunakan semua kuadrat galat pada waktu sebelumnya untuk menduga ragam saat ini. Berdasarkan uji heteroskedastisitas pada Tabel 3, ordo yang panjang hingga ordo 12 ini mengindikasikan adanya proses GARCH. Pendugaan Parameter Untuk menentukan metode yang akan digunakan dalam pendugaan parameter, dilakukan pengujian kenormalan terhadap galat pada model rataan. Tabel 4 Uji kenormalan galat model rataan. Normal test < Hasil uji kenormalan dapat dilihat pada Tabel 4, karena galat model rataan tidak menyebar normal dengan nilai p < yang signifikan pada, pendugaan parameter pada model GARCH dan EGARCH mengggunakan metode Quasi Maksimum Likelihood. Model GARCH yang sesuai adalah model GARCH (1,1) dengan parameter masing-masing , , dan Sedangkan Model EGARCH yang sesuai adalah model EGARCH (1,1) dengan parameter masing-masing sebesar , , , dan Model GARCH Model GARCH (1,1) dengan parameter masing-masing , , dan yang dapat diformulasikan sebagai berikut : Tabel 5 Model GARCH (1,1) Standard Peubah db Dugaan Error Nilai t arch < arch < garch < Model GARCH (1,1) memiliki nilai AIC dan SBC masing-masing sebesar dan Model ini dipilih karena memiliki parameter yang signifikan pada dan nilai AIC dan SBC yang minimum. Pemilihan model GARCH dapat dilihat pada Lampiran 1. Uji Pengaruh Asimetrik Hasil uji adanya pengaruh asimetrik dapat dilihat pada Lampiran 2. Hasil korelasi silang antara kuadrat galat model rataan terhadap lag galatnya menunjukkan bahwa terdapat korelasi yang signifikan pada lag -2. Hal tersebut menunjukkan adanya pengaruh asimetrik pada data. Salah satu model yang dapat digunakan untuk mengatasi pengaruh asimetrik pada data adalah model EGARCH. Model EGARCH Model EGARCH (1,1) dengan parameter masing-masing sebesar , , , dan dapat dirumuskan sebagai berikut : Tabel 6 Model EGARCH (1,1) Standard Peubah db Dugaan Nilai t Error earch earch < egarch < theta Nilai yang tidak sama dengan nol menunjukkan adanya pengaruh asimetrik. Model EGARCH (1,1) memiliki nilai AIC dan SBC masing-masing sebesar dan Model tersebut dipilih karena memiliki nilai AIC dan SBC yang minimum dibandingkan dengan model lainnya. Selain itu, model ini juga memiliki parameter yang signifikan pada. Pemilihan model EGARCH dapat dilihat pada Lampiran 3. Pemeriksaan Model Pemeriksaan model dilakukan dengan melakukan pemeriksaan pada galat baku. Pemeriksaan model meliputi pemeriksaan kehomogenan ragam galat baku dan pemeriksaan autokorelasi galat baku.
4 9 Tabel 7 Uji kehomogenan ragam galat baku pada model GARCH dan model EGARCH. GARCH (1,1) EGARCH (1,1) Lag LM LM Pengujian kehomogenan ragam galat baku menunjukkan bahwa galat baku pada model GARCH maupun model EGARCH menunjukkan adanya kehomogenan ragam galat baku dengan nilai p yang tidak signifikan pada seperti yang terlihat pada Tabel 7. Tabel 8 Uji autokorelasi galat baku model GARCH (1,1) Lag ACF Q Langkah selanjutnya adalah pemeriksaan autokorelasi pada galat baku yang hasilnya terlihat pada Tabel 8 dan Tabel 9. Pada Tabel 8 terlihat bahwa galat baku pada model GARCH sudah tidak terdapat autokorelasi dan galatnya bersifat acak dengan nilai p yang tidak signifikan pada. Tabel 9 Uji autokorelasi galat baku model EGARCH (1,1) Lag ACF Q Sama halnya pada model GARCH, pada Tabel 9 terlihat bahwa model EGARCH sudah tidak terdapat autokorelasi pada sisaan baku. Dengan demikian, model GARCH dan EGARCH dapat dikatakan baik. Peramalan dan Validasi Hasil peramalan ragam untuk kedua model hingga 22 periode kedepan secara eksplorasi dapat dilihat pada Gambar 5. Pada gambar terlihat hasil peramalan untuk model GARCH dan EGARCH menunjukkan pola yang hampir sama. Sedangkan nilai aktual mengalami kenaikan dan penurunan pada beberapa titik waktu. Peramalan untuk jangka waktu panjang akan memberikan hasil yang kurang baik karena pergerakan indeks harga sangat fluktuatif May-09 6-Jun Jun Jun-09 6-Jul aktual garch egarch Gambar 5. Hasil peramalan ragam kedua model
5 10 Nilai ragam yang lebih tinggi dibandingkan dengan hasil peramalan menunjukkan risiko yang akan ditanggung investor lebih besar, kerena itu investor harus lebih berhati-hati dalam membeli saham karena model ini tidak memperhatikan faktor lain, misalnya tingkat suku bunga, inflasi, tingkat produktivitas nasional, politik dan lain sebagainya. Tabel 10 Ringkasan hasil validasi Model GARCH (1,1) EGARCH (1,1) MAD MAE MAPE % % RMSE Hasil validasi untuk kedua model dapat dilihat pada Tabel 10. Berdasarkan nilai MAPE, model EGARCH lebih baik dibandingkan dengan model GARCH dimana nilai MAPE pada model EGARCH sebesar % lebih kecil dibandingan dengan model GARCH sebesar %. Nilai MAPE untuk kedua model tersebut terlihat tinggi, nilai tersebut terjadi karena terdapat beberapa ragam aktual yang nilainya sangat dekat dengan nol. Sedangkan berdasarkan nilai MAD, MAE dan RMSE tidak terlihat adanya perbedaan antara model GARCH dan EGARCH. Pada bulan Juni 2009 terjadi kenaikan dan penurunan pada ragam aktual di beberapa waktu terjadi karena adanya perubahan dalam perekonomian di Indonesia. Faktor-faktor yang mempengaruhi gejolak pada indeks harga saham diantaranya tingkat suku bunga, inflasi, tingkat produktivitas nasional, politik dan lain sebagainya yang dapat memiliki dampak penting pada potensi keuntungan perusahaan dan pada akhirnya juga akan mempengaruhi harga sahamnya. Penyebab kenaikan dan penurunan indeks harga saham di bulan Juni 2009 dapat dilihat pada Lampiran 5. KESIMPULAN DAN SARAN Kesimpulan Model GARCH dan EGARCH yang sesuai untuk data deret waktu pengembalian harga saham adalah model adalah model GARCH (1,1) dan model EGARCH (1,1). Model GARCH masih bisa digunakan karena nilai MAD, MAE, dan RMSE sangat kecil. Meskipun nilai MAPE yang terlihat cukup besar, tetapi nilai tersebut masih dapat dikatakan kecil, nilai MAPE yang membesar terjadi karena ragam aktual yang sangat dekat dengan nol. Hasil peramalan ragam untuk bulan Juni 2009, model EGARCH memberikan hasil yang lebih baik dibandingkan dengan model GARCH jika dilihat dari nilai MAPE. Saran Data deret waktu pengembalian haga saham selalu mengalami perubahan tiap waktunya, tiap periode waktu tertentu dimungkinkan menghasilkan model yang yang berbeda-beda, sehingga perlu dilakukan studi lebih lanjut untuk menerapkan model ARCH lainnya. DAFTAR PUSTAKA Anonim Indeks Harga Saham dan Obligasi. /Education/IndeksHargaSahamObligasi/ta bid/195/lang/id-id/language/id- ID/Default.aspx. [6 Mei 2009] Megenal Saham. n/whatisequities/tabid/88/lang/id- ID/language/id-ID/Default.aspx. [6 Mei 2009] Mengenal Pasar Modal. n/mengenalpasarmodal/tabid/137/lang/id -ID/language/id-ID/Default.aspx. [6 Mei 2009]. Enders, W Applied Econometric Time Series. John Willey and Sons, Inc. United States of Statistics. Engle, RF The Use of ARCH/GARCH Models in Applied Econometrics. Journal of Economics Perspectives, 4: Hamilton, JD Time Series Analysis. Princeton University Press. New Jersey. Kurnia, A., Asep S., dan Sutriyati Analisis Deret Waktu pada Data dengan Ragam Galat Tak Homogen : Studi Nilai Tukar Rupiah Periode Tahun Forum Statistika dan Komputasi, 9:23-33 Lo, MS Generalized Autoregressive Conditional Heteroscedastic Time Series Model. Thesis Department of Statistics and Actuaria Science. Simon Fraser University. Putra, FP Perbandingan Model GARCH dan EWMA untuk Mengukur Risiko Berinvestasi pada Saham Sektor Keuangan. Skripsi Departemen Statistika, Institut Pertanian Bogor.
PENERAPAN MODEL GARCH DAN MODEL EGARCH PADA SAHAM SEKTOR PROPERTI KETIKA KRISIS EKONOMI DUNIA NUR WIDIYATI
PENERAPAN MODEL GARCH DAN MODEL EGARCH PADA SAHAM SEKTOR PROPERTI KETIKA KRISIS EKONOMI DUNIA NUR WIDIYATI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
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 terperinciSENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU
SENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU Asep Saefuddin, Anang Kurnia dan Sutriyati Departemen Statistika FMIPA IPB Ringkasan Data deret waktu pada bidang keuangan
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 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 terperinciPENERAPAN MODEL GARCH DAN MODEL EWMA DALAM MENGUKUR RISIKO BERINVESTASI (Studi Kasus: Saham Syariah di Jakarta Islamic Indeks)) Yuyun Yunarti
PENERAPAN MODEL GARCH DAN MODEL EWMA DALAM MENGUKUR RISIKO BERINVESTASI (Studi Kasus: Saham Syariah di Jakarta Islamic Indeks)) Yuyun Yunarti Abstract Time series model accommodating the above heteroscedastisity
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 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 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 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 AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Scolastika Mariani, Sugiman
g UJM 5 (1) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Scolastika Mariani,
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 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 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 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 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 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 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 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 terperinciHASIL DAN PEMBAHASAN. Eksplorasi Data
5 korelasi diri, dan plot korelasi diri parsial serta uji Augmented Dickey- Fuller b. Identifikasi Model dengan metode Box-Jenkins c. Pemutihan deret input d. Pemutihan deret output berdasarkan hasil pemutihan
Lebih terperinciPEMODELAN LUAS PANEN PADI NASIONAL DENGAN METODE GARCH (Generalized Autoregressive Conditional Heteroscedastic) TEUKU ACHMAD IQBAL
PEMODELAN LUAS PANEN PADI NASIONAL DENGAN METODE GARCH (Generalized Autoregressive Conditional Heteroscedastic) TEUKU ACHMAD IQBAL SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI
Lebih terperinciPENERAPAN METODE ARCH/GARCH PADA PEMODELAN HARGA PENUTUPAN SAHAM DI BURSA EFEK INDONESIA PERIODE ELOK KHOIRUNNISA
PENERAPAN METODE ARCH/GARCH PADA PEMODELAN HARGA PENUTUPAN SAHAM DI BURSA EFEK INDONESIA PERIODE 2005-2013 ELOK KHOIRUNNISA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciHASIL DAN PEMBAHASAN. Analisis data dilakukan dengan menggunakan Software Eviews Versi 4.1 dan Microsoft Office Excel Gambar 2 Plot IHSG.
kointegrasi lebih besar dari nol maka model yang digunakan adalah VECM (Enders, 1995). 4. Analisis model VAR, VARD atau VECM. 5. Interpretasi terhadap model. 6. Uji kelayakan model. 7. Pengkajian fungsi
Lebih terperinciBAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa
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
Lebih terperinciLULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
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 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 terperinciPENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
Lebih terperinciPENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DENGAN MARKOV SWITCHING BERDASARKAN INDIKATOR KONDISI PERBANKAN
PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DENGAN MARKOV SWITCHING BERDASARKAN INDIKATOR KONDISI PERBANKAN (Studi Kasus Pada Indikator Selisih Suku Bunga Pinjaman
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 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. 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 terperinciAnalisis ARCH dan GARCH menggunakan EViews
Analisis ARCH dan GARCH menggunakan EViews Pada bagian ini akan dikemukakan penggunaan EViews untuk analisis ARCH dan GARCH. Penggunaan EViews kali ini lebih ditekankan dengan memanfaatkan menumenu yang
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 terperinciPENERAPAN MODEL ARCH/GARCH PADA DATA PERUBAHAN CURAH HUJAN HARIAN DI KABUPATEN SAMBAS, KALIMANTAN BARAT, PERIODE HANIK AULIA
PENERAPAN MODEL ARCH/GARCH PADA DATA PERUBAHAN CURAH HUJAN HARIAN DI KABUPATEN SAMBAS, KALIMANTAN BARAT, PERIODE 010-011 HANIK AULIA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciV. ANALISIS VOLATILITAS VARIABEL EKONOMI. Perkembangan yang terjadi pada data harga minyak dunia, harga ekspor
117 V. ANALISIS VOLATILITAS VARIABEL EKONOMI 5.1. Deskripsi Data Perkembangan yang terjadi pada data harga minyak dunia, harga ekspor industri, SBI riil dan devaluasi riil diuraikan pada bagian berikut.
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. 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Indeks harga saham merupakan suatu indikator yang menunjukkan pergerakan harga saham dalam suatu periode, dengan adanya indeks maka dapat diketahui tren yang
Lebih terperinciPENERAPAN MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (ARCH) UNTUK MENDUGA VOLATILITAS PENGEMBALIAN HARGA SAHAM
PENERAPAN MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (ARCH) UNTUK MENDUGA VOLATILITAS PENGEMBALIAN HARGA SAHAM (Studi Kasus : Pengembalian Harga Saham PT. Astra Agro Lestari, Tbk) VERRY ANDRIAWAN
Lebih terperinciBAB I PENDAHULUAN. satu sumber tetap yang terjadi berdasarkan waktu t secara berurutan dan dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Data time series merupakan serangkaian data pengamatan yang berasal dari satu sumber tetap yang terjadi berdasarkan waktu t secara berurutan dan dengan interval
Lebih terperinciPemodelan Pengukuran Luas Panen Padi Nasional Menggunakan Generalized Autoregressive Conditional Heteroscedastic Model (GARCH)
IQBAL ET AL: PEMODELAN PENGUKURAN LUAS PANEN PADI NASIONAL Pemodelan Pengukuran Luas Panen Padi Nasional Menggunakan Generalized Autoregressive Conditional Heteroscedastic Model (GARCH) Teuku Achmad Iqbal
Lebih terperinciBAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH
BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu data saham Astra Internasional Tbk tanggal 2 Januari
Lebih terperinciPERAMALAN VALUE AT RISK MENGGUNAKAN METODE GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 05, No. 02 (2016), hal 267 276. PERAMALAN VALUE AT RISK MENGGUNAKAN METODE GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC Nendra Mursetya
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 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 terperinciMODEL DINAMIS PREDIKSI HARGA SAHAM PERUSAHAAN DI BURSA EFEK INDONESIA (STUDI KASUS SEKTOR PERTANIAN, SEKTOR PERTAMBANGAN, DAN SEKTOR INDUSTRI DASAR)
MODEL DINAMIS PREDIKSI HARGA SAHAM PERUSAHAAN DI BURSA EFEK INDONESIA (STUDI KASUS SEKTOR PERTANIAN, SEKTOR PERTAMBANGAN, DAN SEKTOR INDUSTRI DASAR) Irna Diniasari/13210623/Manajemen Pembimbing: Dr. Mohammad
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 terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika - Statistika Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI PERAMALAN NILAI RISIKO BERINVESTASI
Lebih terperincimenggunakan analisis regresi dengan metode kuadrat terkecil. Model analisis data panel yang dievaluasi kemudian adalah model gabungan, model
4 kurang dari 10, maka peubah bebas tersebut tidak mengalami masalah multikolinearitas dengan peubah bebas lainnya. Selanjutnya Uji ARCH atau White digunakan untuk menguji asumsi kehomogenan ragam sisaan.
Lebih terperinciBAB 4 PEMBAHASAN. 4.1 Paparan Statistika Deskriptif
BAB 4 PEMBAHASAN 4.1 Paparan Statistika Deskriptif Data yang digunakan dalam penelitian perlu diolah lebih lanjut untuk diketahui apakah data yang ada layak digunakan dalam analisis atau tidak. Uji statistika
Lebih terperincipendekatan dalam penelitian ini dinilai cukup beralasan.
Tabel Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X, X dan X sebagai C -. 00 X -5 0.50 X.05 00 X 00 R 0.6 Adjusted R 0.6 Hasil pendugaan model data panel dengan Y sebagai peubah
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA DENGAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING PADA INDIKATOR IMPOR, EKSPOR, DAN CADANGAN DEVISA
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA DENGAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING PADA INDIKATOR IMPOR, EKSPOR, DAN CADANGAN DEVISA Vivi Rizky Aristina Suwardi, Sugiyanto, dan Supriyadi
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 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 terperinciUANG BEREDARR DAN TINGKAT INFLASI FEB RINA HANDAYANI
FUNGSI TRANSFER HUBUNGAN PERUBAHAN JUMLAH UANG BEREDARR DAN TINGKAT INFLASI FEB RINA HANDAYANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKAA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010 RINGKASAN
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 terperinciHASIL DAN PEMBAHASAN
36 HASIL DAN PEMBAHASAN Deskripsi Data Penelitian ini diawali dengan melihat ketergantungan antar lokasi dan waktu. Lokasi-lokasi dalam penelitian ini saling berhubungan, hal ini ditunjukkan dengan nilai
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEMODELAN NILAI EKSPOR DI INDONESIA DENGAN PENDEKATAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH) SKRIPSI BAGUS HADI PRASTYA PROGRAM STUDI S-1 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciI. PENDAHULUAN. Investasi pada umumnya dapat dikelompokkan dalam dua golongan
I. PENDAHULUAN 1.1. Latar Belakang Investasi pada umumnya dapat dikelompokkan dalam dua golongan utama, yaitu investasi dalam bentuk real assets dan investasi dalam bentuk financial assets (Bodie, 2005).
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 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 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 terperinciHASIL DAN PEMBAHASAN Eksplorasi Data Suhu Udara Rata-rata
suhu 18 20 22 24 26 28 30 32 ragam, maka dilakukan transformasi Box-Cox. d. Mengidentifikasi model. Dalam tahap ini akan didapat model-model sementara, dengan melihat plot ACF dan PACF. e. Pendugaan parameter
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 terperinciPROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2013 ISBN:
METODE PERAMALAN MENGGUNAKAN MODEL VOLATILITAS ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR Cindy Wahyu Elvitra 1, Budi Warsito 2, Abdul
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 terperinciBab V SIMPULAN DAN SARAN
Bab V SIMPULAN DAN SARAN V.1 Ringkasan Penelitian ini dilakukan untuk menguji prediksi menggunakan metode ARIMA. Data yang digunakan dalam penelitian adalah data IHSG penutupan harian IHSG mulai periode
Lebih terperinciHASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Eksplorasi data Tahap pertama dalam pembentukan model VAR adalah melakukan eksplorasi data untuk melihat perilaku data dari semua peubah yang akan dimasukkan dalam model. Eksplorasi
Lebih terperinciSeminar Hasil. Disusun oleh: Inayatus Sholichah. Dosen Pembimbing: Dra. Destri Susilaningrum, M.Si Dr. Suhartono, M.Sc
Seminar Hasil Analisis Volatilitas dan Value at Risk pada Saham Blue Chip dengan Metode ARCH- GARCH. Disusun oleh: Inayatus Sholichah Dosen Pembimbing: Dra. Destri Susilaningrum, M.Si Dr. Suhartono, M.Sc
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Berbicara tentang kegiatan pasar modal saat ini tidak terlepas dari apa yang disebut sebagai indeks harga saham. Untuk mengetahui bagaimana kegiatan ekonomi
Lebih terperinciHASIL DAN PEMBAHASAN. mengalami fluktuasi antar waktu. Data tersebut mengindikasikan adanya
47 IV. HASIL DAN PEMBAHASAN 4.1 Volatilitas Harga Minyak 4.1.1 Deskripsi Data Plot data harga minyak pada bulan Januari 2000 hingga bulan Desember 2011 dapat dilihat pada Gambar 4.1. Hal ini menunjukan
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 3 ANALISIS DAN PERANCANGAN
46 BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Kebutuhan Untuk mendapatkan informasi yang tepat mengenai saham- saham emiten yang selalu exist tercatat di Jakarta Islamic Index, yang dalam hal ini adalah
Lebih terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kota Medan merupakan ibukota Provinsi Sumatera Utara dan menjadi kota terbesar nomor 3 (tiga) di Indonesia setelah Jakarta dan Surabaya. Selain sebagai kota
Lebih terperinciPENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.
PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 955 email: dhatidja@yahoo.com ABSTRAK Penelitian ini
Lebih terperinciBAB 1 PENDAHULUAN. adalah di bidang ekonometrika. Ekonometrika merupakan bidang ilmu ekonomi yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Statistika bisa diterapkan di berbagai bidang. Salah satu contoh penerapannya adalah di bidang ekonometrika. Ekonometrika merupakan bidang ilmu ekonomi yang menganalisis
Lebih terperinciPemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA 1 Harnum Annisa Prafitia dan 2 Irhamah
Lebih terperinciAnis Nur Aini, Sugiyanto, dan Siswanto Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret Surakarta
MENDETEKSI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR SIMPANAN BANK, NILAI TUKAR RIIL, DAN NILAI TUKAR PERDAGANGAN Anis Nur Aini, Sugiyanto,
Lebih terperinciBAB I PENDAHULUAN. perusahaan (pihak yang membutuhkan dana) melalui penjualan saham, obligasi,
BAB I PENDAHULUAN 1.1. Latar Belakang Di era globalisasi ini, pasar modal mulai menunjukkan peranan penting dalam menggerakkan dana dari pemodal (pihak yang kelebihan dana) kepada perusahaan (pihak yang
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 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 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 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 terperinciPENERAPAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING
PENERAPAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING DALAM PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR M1, M2 PER CADANGAN DEVISA, DAN M2 MULTIPLIER Esteti Sophia Pratiwi,
Lebih terperinciBAB IV PEMBAHASAN. Gambar 4.1 nilai tukar kurs euro terhadap rupiah
BAB IV PEMBAHASAN 4.1 Deskripsi Data Gambar 4.1 memperlihatkan bahwa data berfluktuasi dari waktu ke waktu. Hal ini mengindikasikan bahwa data tidak stasioner baik dalam rata-rata maupun variansi. Gambar
Lebih terperinciPEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH
PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH Nama : Yulia Sukma Hardyanti NRP : 1303.109.001 Jurusan
Lebih terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
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 terperinciBAB 2 LANDASAN TEORI Pengertian Data Deret Berkala
BAB 2 LANDASAN TEORI 2.1. Pengertian Data Deret Berkala Suatu deret berkala adalah himpunan observasi yang terkumpul atau hasil observasi yang mengalami peningkatan waktu. Data deret berkala adalah serangkaian
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan unsur yang penting dalam pengambilan keputusan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan merupakan unsur yang penting dalam pengambilan keputusan karena beberapa faktor yang berpengaruh, tidak dapat ditentukan pada saat keputusan diambil.
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 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 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 terperinciMODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH) DAN PENERAPANNYA PADA DATA INDEKS HARGA SAHAM
MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH) DAN PENERAPANNYA PADA DATA INDEKS HARGA SAHAM (Studi Kasus pada Saham PT. ANTAM (Persero) Tbk) SKRIPSI Diajukan Kepada
Lebih terperinciPENERAPAN MODEL EGARCH PADA ESTIMASI VOLATILITAS HARGA MINYAK KELAPA SAWIT
PENERAPAN MODEL EGARCH PADA ESTIMASI VOLATILITAS HARGA MINYAK KELAPA SAWIT Yoseva Agung Prihandini 1, Komang Dharmawan 2, Kartika Sari 3 1 Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email:
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 terperinciMA6281 Topik Statistika IV: Analisis Deret Waktu Keuangan
MA6281 Topik Statistika IV: Analisis Deret Waktu Keuangan Referensi: Taylor (2008), Modeling Financial Time Series Tsay (2005), Analysis of Financial Time Series Silabus: Return, volatilitas dan distribusi
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 terperinci