BAB III MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC IN MEAN (EGARCH-M)
|
|
- Vera Wibowo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 30 BAB III MODEL EXPOETIAL GEERALIZED AUTOREGRESSIVE CODITIOAL HETEROSCEDASTIC I MEA (EGARCH-M) 3.1 Proses EGARCH Exonential GARCH (EGARCH) diajukan elson ada tahun 1991 untuk menutui kelemahan model ARCH/GARCH dalam menangka fenomona ketidaksimetrisan good news dan bad news dalam volatilitas. Model ARCH/GARCH mengasumsikan engaruh good news dan bad news sama terhada volatilitasnya sehingga tidak daat menangka fenomena ketidaksimetrisan. Pada data return, nilai volatilitas akan tinggi ketika nilai error lebih kecil dari nol dibandingkan ketika error lebih besar dari nol. Keadaan yang disebut Leverage Effect ini ditangka oleh model Exonential GARCH. Untuk memerhitungkan efek asimetris antara good news dan bad news, elson memertimbangkan inovasi terboboti (weighted innovation): g ε t = θε t γ ε t E ε t (3.1) dengan θ dan γ adalah konstanta riil, ε t dan ε t E ε t adalah barisan berdistribusi identik indeenden dengan rata-rata nol dan kontinu. Dengan demikian, E g ε t = 0. Ketidaksimetrisan dari g ε t daat dilihat dengan menuliskan ersamaan 3.1 menjadi: g ε t = θ γ ε t γe ε t, ε t 0 θ γ ε t γe ε t, ε t < 0 Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
2 31 Di saming daat menangka efek asimetris dari good news dan bad news, model Exonential GARCH memiliki kelebihan lain dibandingkan model ARCH/GARCH, yaitu arameter-arameter ada Exonential GARCH tidak erlu dibatasi untuk menjamin variansi selalu ositif. Hal ini dikarenakan bentuk ersamaan dalam logaritma. Secara umum, roses EGARCH dengan orde dan atau EGARCH(,) didefinisikan sebagai roses a t yang memenuhi: y t = x t μ a t a t = σ t ε t ln σ a t a t t = ω β 1 ln σ t β ln σ t α 1 α σ γ a t t σ 1 t σ t E a t σ t γ a t σ t E a t σ t ln σ t = ω e ln σ t = e ω a β i ln σ t i α j γ a j E a (3.) β a i ln σ t i α j γ a σ j E a σ t = e ω e β ln σ i t i a ex α j γ a j E a σ t = e ω β σ i a t i ex α j γ j a E a (3.3) dengan ε t ~ iid (0,1). Karena ada model volatilitas EGARCH good news dan bad news memberikan engaruh yang berbeda terhada volatilitas maka ersamaan (3.3) daat ditulis kembali dalam bentuk: σ t = e ω e ω β σ j t i ex α j γ j β σ j t i ex α j γ j a γ j E a, a 0 a γ j E a, a < 0 (3.4) Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
3 3 Karena E a = 0 maka ersamaan 3. daat dituliskan menjadi: ln σ t = ω a β i ln σ t i α j γ a j (3.5) Persamaan (3.5) memiliki dua unsur yaitu magnitude effect a yang menunjukkan besarnya engaruh volatilitas ada eriode t-j terhada varian saat ini dan sign effect a yang menunjukkan erbedaan engaruh good news dan bad news ada eriode t-j terhada varian saat ini. Untuk model EGARCH yang aling sederhana atau EGARCH(1,1) didefinisikan sebagai roses a t yang memenuhi: y t = x t μ a t a t = σ t ε t ln σ a t = ω β 1 ln σ t α t 1 γ a t σ 1 (3.6) t σ t 3. Proses EGARCH-M EGARCH in mean (EGARCH-M) juga dikembangkan oleh elson ada tahun Sama halnya seerti kelebihan model GARCH-M terhada GARCH, kelebihan model EGARCH-M terhada EGARCH juga terletak ada risiko yang berengaruh terhada tingkat engembaliannya. Secara umum, roses EGARCH(,)-M didefinisikan sebagai roses a t yang memenuhi: y t = x t μ λσ t a t a t = σ t ε t ln σ t = ω a β i ln σ t i α j γ a j Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
4 33 dimana arameter λ dinamakan arameter remium risk. Untuk model EGARCH-M yang aling sederhana atau EGARCH(1,1)-M didefinisikan sebagai roses a t yang memenuhi: y t = x t μ λσ t a t a t = σ t ε t ln σ a t = ω β 1 ln σ t α t 1 γ a t σ Uji Efek Asimetris Untuk menggunakan model EGARCH-M dierlukan asumsi bahwa data residual yang diuji harus memiliki efek asimetris. Engle dan g (1993) mengusulkan suatu uji efek asimetris yang disebut sign and size bias tests untuk menentukan aakah model asimetris dibutuhkan atau model GARCH-M sudah cuku memadai. Untuk memeriksa engaruh efek asimetris, data runtun waktu terlebih dahulu harus dimodelkan ke dalam model GARCH-M dan diambil residual datanya. Kemudian lakukan uji efek asimetris berdasarkan ersamaan regresi berikut: dengan: a t = φ 0 φ 1 S t S t = 1 S t Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu φ S t a t φ 3 S t a t u t (3.7) S t : Variabel dummy yang bernilai satu jika a t < 0 dan nol untuk yang lainnya. φ 1 : Parameter sign bias (efek ositif atau negatif). φ : Parameter size bias (besar efek negatif).
5 34 φ 3 : Parameter size bias (besar efek ositif). dengan hiotesis yang diuji adalah: H 0 : φ 1 = φ = φ 3 = 0 (residual bersifat simetris). H 1 : Paling tidak ada satu tanda = tidak berlaku (residual bersifat asimetris). dengan kriteria engujian dengan menggunakan software Eviews adalah Tolak H 0 jika Prob < α. Uji efek asimetris yang lainnya diusulkan oleh Enders (004) dengan melihat korelasi antara kuadrat standar residual a t dengan lag standar residual a t k menggunakan estimasi dari regresi berikut: a t = α 0 α 1 a t α k a t k (3.8) Hiotesis yang diuji adalah: H 0 : α 1 = = α k = 0 (residual bersifat simetris). H 1 : Paling tidak ada satu tanda = tidak berlaku (residual bersifat asimetris). dengan kriteria engujian adalah Tolak H 0 jika korelasi 0 atau dengan menggunakan software Eviews, tolak H 0 jika Prob(F-Stat) < α. 3.4 Pembentukan Model Sebelum data runtun waktu dimodelkan (dalam hal ini harga saham) dengan model EGARCH-M, terlebih dahulu harus dilakukan beberaa langkah embentukan model. Langkah-langkah dalam embentukan model daat digambarkan dengan bagan sebagai berikut: Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
6 35 Harga Saham Perhitungan return harga saham Uji Stasioneritas Pembentukan Model ARMA Uji Efek Heteroskedatisitas TIDAK YA YA Pembentukan Model EGARCH-M 1. Identifikasi Model. Estimasi Parameter 3. Verifikasi Model Uji Efek Asimetris TIDAK Pembentukan model GARCH-M 1. Identifikasi Model. Estimasi Parameter 3. Verifikasi Model Peramalan Gambar 3.1 Bagan Taha Pembentukan Model EGARCH-M 3.5 Identifikasi Model Untuk menentukan identifikasi model dari data runtun waktu homoskedatis, daat dilakukan dengan menggunakan fak dan fak, tetai dalam model volatilitas EGARCH-M belum terdaat kriteria untuk mengidentifikasi Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
7 36 model tersebut. Oleh karena itu, ada skrisi ini digunakan beberaa model EGARCH-M sederhana yaitu, model EGARCH(1,1)-M, EGARCH(1,)-M, EGARCH(,1)-M, dan EGARCH(,)-M. 3.6 Estimasi Parameter Taha selanjutnya setelah mengidentifikasi model yaitu mengestimasi arameter. Parameter-arameter yang akan diestimasi adalah μ, λ, ω, β, α, dan γ. Parameter tersebut akan diestimasi dengan menggunakan metode Maximum Likelihood Estimation (MLE) dan dilanjutkan dengan metode iteratif seerti algoritma ewton-rhason, Method of Scoring, atau Iterasi Berndt, Hall, Hall & Hausman (BHHH). Diketahui roses EGARCH(,)-M: y t = x t μ λσ t a t a t = σ t ε t ln σ t = ω a β i ln σ t i α j γ a j Misalkan fk dari observasi data z t dinotasikan dengan f z t dan ψ = μ, λ, δ adalah suatu vektor dari semua arameter yang tidak diketahui dengan δ = ω, β 1,, β i, α 1,, α j, γ 1,, γ j serta v t = 1, ln σ t,, ln σ t i, a t,, a, a t,, a. Model EGARCH(,)-M daat dituliskan kembali menjadi: a t = y t x t μ λσ t ln σ t = ω a β i ln σ t i α j γ a j Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
8 37 ln σ t = v t δ Dengan mengasumsikan a t berditribusi normal, maka fungsi likelihoodnya adalah: L ψ, σ y, x t = πσ t ex 1 t=1 y t x t μ λσ t σ t Kemudian fungsi log likelihoodnya adalah: ln L ψ = L = 1 t=1 ln π ln σ t y t x t μ λσ t σ t dengan ln L ψ = L dimaksudkan untuk enyederhanaan enulisan. Kemudian dengan menggunakan a t = y t x t μ λσ t, maka ersamaannya menjadi: L = 1 t=1 ln π ln σ t a t σ t Kemudian, turunkan fungsi log likelihood terhada ψ sehingga dieroleh: L ψ = 1 ψ t=1 ln π ln σ t a t σ t = 1 a 1 σ a t t t σ t ψ ψ σ t σ a t t ψ 4 σ t = 1 σ t σ t ψ a t a t σ t ψ a t σ t 4 σ t ψ = a t a t σ t ψ σ (σ t a t ) σ t t ψ Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
9 38 Penyelesaian taha akhir yang diinginkan adalah memeroleh σ t. Untuk ψ memeroleh σ t, ada beberaa tahaan yang harus dilakukan, yaitu: ψ 1) Taha ertama, ersamaan (3.5) diturunkan terhada μ Pandang ersamaan rata-rata ada EGARCH-M yaitu: y t = x t μ λσ t a t y t x t μ λσ t = a t y t x t μ λσ t = a t x t λ σ t = a t (3.9) Substitusikan a t = σ t ε t ke dalam ersamaan rata-rata sehingga dieroleh: y t = x t μ λσ t σ t ε t y t x t μ = λ ε t σ t y t x t μ λ ε t = σ t y t x t μ λ ε t = σ t x t = σ t λε t (3.10) Persamaan (3.9) dan (3.10) akan digunakan dalam enurunan model EGARCH-M terhada μ, yaitu: ln σ t = ω β i ln σ t i α j a γ j a Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
10 39 1 σ t σ t = ω β i ln σ t i α j a γ j a 1 σ t σ t = 0 β i 1 σ t i σ t i α j a σ a γ j a a σ t = σ t 1 β i σ t i x t i α λ ε j t i x ε x σ λ ε a λ ε γ j x ε λ ε a x λ ε = 0 ) Taha kedua, ersamaan (3.5) diturunkan terhada λ ln σ t λ = λ ω β i ln σ t i α j a γ j a σ t λ = σ t 1 β i σ t i x t i μ y t i λ ε t i α j σ x μ y a λ ε γ j a λ a λ = 0 Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
11 40 3) Taha ketiga, ersamaan (3.5) diturunkan terhada ω ln σ t ω = ω ω β a i ln σ t i α j γ j a σ t ω = σ t 1 1 β i σ t i σ t i ω α j a ω σ a ω γ j a ω a ω = 0 4) Taha keemat, ersamaan (3.5) diturunkan terhada β i ln σ t = ω β β i β i ln σ t i i α j a γ j a σ t β i = σ t ln σ t i 1 β i σ t i σ t i β i α j a β i a β i γ j a β i a β i = 0 5) Taha kelima, ersamaan (3.5) diturunkan terhada α j ln σ t = ω β α j α i ln σ t i j α j a γ j a Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
12 41 σ t 1 = σ α t β i j σ t i σ t i α j a α j a α j a α j γ j a α j a α j = 0 6) Taha ertama, ersamaan (3.5) diturunkan terhada γ j ln σ t = ω β γ j γ i ln σ t i j α j a γ j a σ t 1 = σ γ t 1 β i j σ t i σ t i γ j α j a γ j a γ j a γ j a γ j a γ j = 0 Untuk menemukan endekatan estimasi arameter maka digunakan metode iteratif. Algoritma otimisasi untuk iterasi dimulai dari suatu nilai awal, misalkan ψ 0. Kemudian ψ 0 digunakan untuk mencari ψ 1. Proses iteratif dilakukan samai dieroleh ψ n = ψ n1. Ada tiga metode iteratif yang daat digunakan, yaitu: Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
13 Metode ewton-rahson Pada iterasi ini fungsi objektif L diaroksimasi dengan deret Taylor orde kedua di sekitar nilai awal ψ 0, yaitu: L = L ψ0 L ψ ψ 0 (ψ ψ 0 ) 1 (ψ ψ 0) L ψ ψ ψ 0 (ψ ψ 0 ) (3.11) Untuk memeroleh kondisi otimum, ersamaan (3.11) diturunkan terhada arameter ψ dengan oerasi sebagai berikut: L = L ψ ψ ψ 0 L ψ ψ ψ 0 ψ ψ 0 = 0 (3.1) Berdasarkan ersamaan (3.11) dan (3.1) secara imlisit daat ditaksir ψ 1, yaitu: L ψ = L ψ ψ 0 L ψ ψ ψ 0 ψ 1 ψ 0 = 0 ψ 1 = ψ 0 L ψ ψ ψ 0 L ψ ψ0 Sehingga bentuk umumnya menjadi: ψ n1 = ψ n L ψ ψ ψ n L ψ ψn (3.13) atau dengan: ψ n1 = ψ n P n L ψ ψn (3.14) P n = L ψ ψ ψ n Iterasi ini dikatakan konveregen jika ψ n1 = ψ n Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
14 Method of Scoring Pada iterasi ewton-rahson, algoritma iterasi P n dinyatakan dengan L ψ ψ ψ n sedangkan ada Method of Scoring, algoritma iterasi P n menggunakan nilai eksektasinya sehingga algoritmanya dinyatakan sebagai berikut: ψ n1 = ψ n E L ψ ψ ψ n L ψ ψn (3.15) atau dengan: ψ n1 = ψ n P n L ψ ψn (3.16) P n = E L ψ ψ ψ n Iterasi Berndt, Hall, Hall & Hausman (BHHH) Metode ini mengeksloitasi algoritma iterasi method of scoring. Bagian yang dieksloitasi adalah P n dari method of scoring menjadi bentuk: P n = E (L 1 L L ) ψ ψ ψ n = E t=1 L t ψ ψ ψ n = E t=1 L t ψ ψ ψ n Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
15 44 = E L t ψ ψ ψ n t=1 = E L t ψ ψ ψ n = 1 Akhirnya dieroleh: t=1 L t ψ ψ ψ n P n = t=1 L t ψ ψ L t L t = ψ ψ t=1 ψ n ψ n Bentuk umum dari iterasi BHHH dinyatakan dengan menggunakan algoritma iterasi sebagai berikut: ψ n1 = ψ n L t L t t=1 ψ ψ ψ n L ψ ψn (3.17) Dari ketiga metode iteratif yang ada, metode yang digunakan untuk menemukan estimasi arameter dalam skrisi ini adalah metode Iterasi Berndt, Hall, Hall & Hausman (BHHH). Untuk selanjutnya erhitungan estimasi arameter akan dilakukan dengan bantuan software EViews. Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
16 Verifikasi Model Verifikasi model dilakukan untuk menentukan model mana yang meruakan model terbaik, yang selanjutnya akan digunakan untuk melakukan eramalan. Ada dua engujian yang akan digunakan ada taha verifikasi Pengujian Berdasarkan Keberartian Koefisien Langkah engujian keberartian koefisien ada model volatilitas tidak berbeda dengan engujian ada model runtun waktu yang bersifat homoskedastis, yaitu dengan merumuskan hiotesis: H 0 : Koefisien tidak berengaruh secara signifikan terhada model. H 1 : Koefisien berengaruh secara signifikan terhada model. Dengan software Eviews 6.0 digunakan kriteria engujian yaitu tolak H 0 jika nilai robabilitas < α Kriteria Informasi (Information Criteria) Untuk mendaatkan model yang terbaik, diilih model dengan nilai Information Criteria yang terkecil. Information Criteria telah digunakan secara luas dalam analisis data runtun waktu untuk menentukan anjang lag yang aling cocok untuk dialikasikan dalam suatu model. Ada dua jenis Information Criteria yaitu Aikake Information Criterion (AIC) dan Schwarz Criterion (SC). ilai AIC dan SC didefinisikan sebagai berikut: dengan: AIC = l SC = l k k ln (3.18) (3.19) Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
17 46 l = 1 lnπ lnσ t k banyaknya arameter. banyaknya observasi. a t t=1 t=1. σ t 3.8 Peramalan Peramalan meruakan tujuan utama yang akan dicaai, ini meruakan langkah terakhir dari roses tersebut. Selanjutnya, model yang aling sesuai/terbaik yang telah dieroleh ada taha embentukan model akan digunakan dalam eramalan untuk beberaa eriode ke dean. Hal ini berarti, berdasarkan model yang aling sesuai inilah akan ditentukan distribusi bersyarat observasi yang akan datang berdasarkan ola data masa lalu. 3.9 Value at Risk (VaR) Salah satu asek enting dalam analisis risiko adalah erhitungan Value at Risk. Value at Risk (VaR) meruakan suatu metode yang cuku baik dan banyak digunakan untuk mengukur risiko. Ada beberaa definisi formal umum VaR. Menurut Phili Best (1998:10) Value at Risk (VaR) didefinisikan sebagai berikut: the maximum amount of money that may be lost on a ortfolio over a given eriod of time, with a given level of confidence sedangkan menurut J.P. Morgan (1996:6) Value at Risk (VaR) didefinisikan sebagai: Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
18 47 a measure of the maximum otential change in value of a ortfolio of financial instruments with a given robability over a re-set horizon. Berdasarkan definisi di atas, Value at Risk (VaR) daat diartikan sebagai estimasi kerugian maksimum yang mungkin dialami dalam rentang waktu/eriode tertentu dengan tingkat keercayaan tertentu (a given level of confidence). Pada dasarnya konse dalam VaR sudah ada sejak lama, yang baru adalah alikasi sistematis dari VaR untuk berbagai bentuk risiko finansial. Secara sederhana VaR ingin menjawab ertanyaan seberaa besar (dalam ersen atau sejumlah uang tertentu) investor daat merugi selama waktu investasi T dengan tingkat keercayaan sebesar 1 α. Ada dua metode yang digunakan untuk mengukur nilai Value at Risk (VaR). Pertama, metode arametrik yang mencaku metode varian-kovarian dan GARCH. Kedua, metode non-arametrik yang mencaku simulasi historical dan endekatan Monte Carlo. Dalam istilah teori eluang, VaR dengan tingkat keercayaan 1 α dinyatakan sebagai bentuk uantile ke-α dari distribusi return. VaR daat ditentukan melalui fungsi keadatan eluang dari nilai return di masa dean f(r) dengan R adalah tingkat engembalian (return). Pada tingkat keercayaan 1 α, akan ditentukan nilai kemungkinan terburuk R, sehingga eluang munculnya nilai return melebihi R adalah 1 α. 1 α = f R dr R Sedangkan eluang munculnya suatu nilai return kurang dari sama dengan R, = P R R adalah α. Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
19 48 R α = f R dr = P R R = Dengan kata lain, luas daerah samai dengan R harus sama dengan dan R meruakan uantile dari distribusi return yang meruakan nilai kritis (cut off value) dengan eluang yang sudah ditentukan. Perhitungan VaR daat disederhanakan jika distribusi daat diasumsikan mengikuti keluarga arametrik, seerti distribusi normal. Dengan mengasumsikan distribusi return berdistribusi normal maka distribusi umum f(w) daat diterjemahkan ke dalam distribusi normal standar Φ(ε), dengan ε~ 0, σ. Jika W 0 didefinisikan sebagai investasi awal, maka nilai aset ada akhir eriode waktu adalah W = W 0 1 R dan jika W adalah nilai aset aling rendah ada tingkat keercayaan 1 α, maka hubungan W dengan R daat dituliskan sebagai W = W 0 (1 R ). Umumnya, R adalah negatif dan daat ditulis sebagai R. Lebih lanjut, R daat dikaitkan dengan standar normal deviasi z α > 0 dengan z α = R μ σ sehingga: α = W f w dw R = f R dr z = α Φ ε dε (3.0) ilai z α dieroleh dari tabel fungsi distribusi standar normal kumulatif. Sehingga dari ersamaan (3.18) dieroleh: R = μ z α σ (3.1) Berdasarkan uraian di atas maka VaR ada tingkat keercayaan 1 α daat diformulasikan sebagai berikut: VaR 1 α = W 0 R (3.) Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
20 49 Selanjutnya, dalam skrisi ini engukuran Value at Risk (VaR) akan dilakukan dengan endekatan model EGARCH-M, yaitu dengan menggunakan nilai volatilitasnya (σ). Prosedur dalam Perhitungan Value at Risk dengan menggunakan endekatan model EGARCH-M adalah sebagai berikut: 1) Asumsikan besarnya investasi awal (W 0 ). ) Taksir nilai return y t dan nilai variansi σ t dengan endekatan model EGARCH-M. 3) Hitung nilai volatilitas σ t dari nilai variansi yang telah dieroleh. 4) Tentukan besarnya uantile, menggunakan ersamaan (3.1). 5) Hitung nilai VaR dengan menggunakan ersamaan (3.). Julianto, 01 Peneraan Model Egarch-M Dalam Peramalan ilai Harga Saham Dan Pengukuran Universitas Pendidikan Indonesia reository.ui.edu
BAB 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 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 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 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 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 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 terperinciBAB II TINJAUAN PUSTAKA. untuk berkunjung ke suatu negara. Permintaan pariwisata biasanya diukur dari segi
BAB II TINJAUAN PUSTAKA 2.1 Permintaan Pariwisata Pariwisata mamu mencitakan ermintaan yang dilakukan oleh wisatawan untuk berkunjung ke suatu negara. Permintaan ariwisata biasanya diukur dari segi jumlah
Lebih terperinciBAB III INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICITY (IGARCH)
BAB III INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICITY (IGARCH) 3.1 Proses IGARCH Saat mengestimasi model GARCH, sering ditemukan bahwa jumlah koefisien parameter selalu sama dengan
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 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 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 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 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 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 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 METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Kerangka Pemikiran Penelitian ini dimulai dengan adanya ermasalahan yang ditemukan oleh enulis yakni mengenai validitas CAPM di dalam engalikasiannya terhada engukuran
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 (Kurs) Rupiah Terhadap Dolar Tahun 2017 dengan Menggunakan Metode Arima Box-Jenkins
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol.1, No.1, Juli 2017, Hal. 253-261 -ISSN: 2580-4596; e-issn: 2580-460X Halaman 253 Peramalan Nilai Tukar (Kurs) Ruiah Terhada
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 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 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 terperinciISSN : e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3870
ISSN : 355-9365 e-proceeding of Engineering : Vol.3, No. Agustus 06 Page 3870 Value-at-Risk Berbasis Model Exponential Generalized Autoregressive Conditional Heteroscedasticity (EGARCH) Value-at-Risk Based
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 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 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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.. Kerangka Pikir Penelitian ini dilakukan untuk mengetahui aakah terdaat engaruh dan hubungan antara total nilai aset reksa dana dengan risiko asar reksa dana (beta), standar
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 terperinciMODEL 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 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 terperinciBAB III MARKOV SWITCHING AUTOREGRESSIVE (MSAR)
25 BAB III (MSAR) 3.1 Model Markov Switching Autoregressive Model runtun waktu Markov Switching Autoregressive adalah salah satu model runtun waktu yang merupakan perluasan dari model Autoregressive (AR).Ide
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 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Prosedur Pengumulan Data 3.. Sumber Data Data yang digunakan dalam enelitian ini meruakan data sekunder yang diambil dari Deartemen Keuangan, BAPEPAM, dan IAPI. Data-data
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 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 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 III PEMBAHARUAN PERAMALAN. Pada bab ini akan dibahas tentang proses pembaharuan peramalan.
BAB III PEMBAHARUAN PERAMALAN Pada bab ini akan dibahas tentang proses pembaharuan peramalan. Sebelum dilakukan proses pembaharuan peramalan, terlebih dahulu dilakukan proses peramalan dan uji kestabilitasan
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 II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di
5 BAB II LANDASAN TEORI Bab ini membahas pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di bahas adalah sebagai berikut: A.
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 terperinciBAB IV ANALISIS HASIL PENELITIAN
BAB IV ANALISIS HASIL PENELITIAN 4.1 Menghitung Return Karena penelitian ini mengukur potensi kerugian maksimum dari saham BMRI. Maka, langkah pertama adalah menghitung return hariannya dengan rumus (2-3)
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 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 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 terperinciMetode Peramalan dengan Menggunakan Model Volatilitas Asymmetric Power ARCH (APARCH)
Metode Peramalan dengan Menggunakan Model Volatilitas Asymmetric Power ARCH (APARCH) (Studi Kasus : Return Kurs Mata Uang Rupiah terhadap Dollar) SKRIPSI Disusun oleh : CINDY WAHYU ELVITRA J2E 009 015
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 terperinciII. TINJAUAN PUSTAKA. Time series merupakan serangkaian observasi terhadap suatu variabel yang
II. TINJAUAN PUSTAKA 2.1 Analisis Deret Waktu (time series) Time series merupakan serangkaian observasi terhadap suatu variabel yang diambil secara beruntun berdasarkan interval waktu yang tetap (Wei,
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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilaksanakan pada bulan Januari hingga Maret 2012. Penelitian dilakukan di Asosiasi Kakao Indonesia (Askindo). Penentuan tempat dilakukan
Lebih terperinciBAB I PENDAHULUAN. Tahun 1997 negara-negara di Kawasan Asia mengalami krisis ekonomi,
BAB I PENDAHULUAN A. Latar Belakang Tahun 997 negara-negara di Kawasan Asia mengalami krisis ekonomi, seerti Korea Selatan, Thailand, Filiina, Malaysia, Singaura, Indonesia. Penyebaran krisis di kawasan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perusahaan merupakan suatu badan hukum yang memiliki suatu tujuan yang ingin dicapai salah satunya yaitu mendapatkan keuntungan. Untuk mencapai
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 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 3 SMOOTH TRANSITON AUTOREGRESSIVE. waktu nonlinear yang merupakan perluasan dari model Autoregressive (AR).
BAB 3 SMOOTH TRANSITON AUTOREGRESSIVE 3.1. Model Smooth Transition Autoregressive Model Smooth Transition Autoregressive adalah salah satu model runtun waktu nonlinear yang merupakan perluasan dari model
Lebih terperinciBab I Pendahuluan. I.1 Latar Belakang Masalah
Bab I Pendahuluan I. Latar Belakang Masalah Dalam beberaa tahun terakhir ini, roses emonitoran kestabilan barisan matriks korelasi mendaatkan erhatian yang amat serius dalam literatur, terutama dalam literatur
Lebih terperinci270 o. 90 o. 180 o PENDAHULUAN
PENDAHULUAN Latar Belakang Perkembangan analisis data saat ini masih bertumu ada analisis untuk data linear. Disisi lain, untuk kasus-kasus tertentu engukuran dilakukan secara sirkular. Beberaa ilustrasi
Lebih terperinciPROSIDING ISBN :
S - 10 APLIKASI METODE FULL INFORMATION MAXIMUM LIKELIHOOD (FIML) PADA PENYELESAIAN SISTEM PERSAMAAN SIMULTAN (Studi Kasus : Data Stok Uang, PDRB, dan Konsumsi Rumah Tangga Di DIY) Eka Septiana 1, Retno
Lebih terperinciBAB III PORTOFOLIO OPTIMAL. Capital assets pricing model dipelopori oleh Treynor, Sharpe, Lintner
BAB III PORTOFOLIO OPTIMAL 3.1 Capital Asset Pricing Model Capital assets pricing model dipelopori oleh Treynor, Sharpe, Lintner dan Mossin pada tahun 1964 hingga 1966. Capital assets pricing model merupakan
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 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 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 IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Jenis Penelitian Penelitian dalam menganalisis volatilitas Indeks Harga Saham Gabungan (IHSG) dan sembilan Indeks Harga Saham Sektoral dengan metode ARCH, GARCH, EGARCH, TGARCH,
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 terperinci= = =
= + + + = + + + = + +.. + + + + + + + + = + + + + ( ) + ( ) + + = + + + = + = 1,2,, = + + + + = + + + =, + + = 1,, ; = 1,, =, + = 1,, ; = 1,, = 0 0 0 0 0 0 0...... 0 0 0, =, + + + = 0 0 0 0 0 0 0 0 0....
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Saham Menurut Anoraga dan Parkanti [1], saham dapat didefinisikan sebagai surat berharga yang dikeluarkan perusahaan atau perseroan terbatas ke masyarakat agar sesesorang dapat
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. 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 terperinciPENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE
PENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE Diah Ayu Novitasari * * Jurusan Manajemen, Fakultas Ekonomi Universitas Islam Lamongan Email :
Lebih terperinciPENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE
PENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE Diah Ayu Novitasari *) *) Jurusan Manajemen, Fakultas Ekonomi Universitas Islam Lamongan Email
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 terperinciDETEKSI RISIKO DINI SAHAM GABUNGAN DENGAN MENGGUNAKAN VALUE at RISK
Program Studi MMT-ITS, Surabaya 14 Juli 01 DETEKSI RISIKO DINI SAHAM GABUNGAN DENGAN MENGGUNAKAN VALUE at RISK Haryono, Muhammad Sjahid Akbar dan Sony Sunaryo Statistics, Seuluh Noember Institute of Technology
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 terperinciBAB II MODEL EVAPORASI DALAM INTI MAJEMUK
BAB II MODL VAPORASI DALAM INTI MAJMUK. Model Weiskof-wing Pada akhir dari taha re-equilibrium, recidual nucleus seharusnya tertinggal ada taha equilibrium., dimana energi eksitasi * terbagi oleh banyaknya
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 terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan untuk penelitian ini adalah pengeluaran riil pemerintah (G t ), PBD riil (Y t ), konsumsi (CC t ), investasi (I t ), Indeks Harga Konsumen
Lebih terperinciIII. PEMBAHASAN. dimana, adalah proses Wiener. Kemudian, juga mengikuti proses Ito, dengan drift rate sebagai berikut: dan variance rate yaitu,
4 masing menyatakan drift rate dan variance rate dari. Untuk roses stokastik yang didefinisikan ada ruang robabilitas (Ω,, berlaku hal berikut: Misalkan adalah roses Wiener ada (Ω,,. Integral stokastik
Lebih terperinciBAB III METODOLOGI PENELITIAN
32 BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pikir Dalam enulisan ini akan memberikan gambaran hasil enelitian yang dilakukan dalam menyelesaikan masalah okok yang di bahas, yakni menjelaskan kinerja
Lebih terperinciMETODE HISTORIS UNTUK PERHITUNGAN VALUE AT RISK PADA MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDACITY IN MEAN
Edisi: Oktober 016. Vol. 0 No. 01 ISSN: 57-3159 E-ISSN: 57-3167 METODE HISTORIS UNTUK PERHITUNGAN VALUE AT RISK PADA MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDACITY IN MEAN Alfi Reny Kusumaningtyas
Lebih terperinciBAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON 3.1 Regresi Poisson Regresi Poisson merupakan salah satu model regresi dengan variabel responnya tidak berasal
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Uji akar akar unit yang bertujuan untuk menganalisis data time series
44 BAB IV ANALISIS HASIL DAN PEMBAHASAN 4.1 Analisa Kelayakan Data 4.1.1 Uji Stasioner Uji akar akar unit yang bertujuan untuk menganalisis data time series stasioner (tidak ada akar akar unit) atau tidak
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 terperinciPENDAHULUAN. 1.1 Latar Belakang
PENDAHULUAN 1.1 Latar Belakang PT. Pindad merupakan perusahaan yang bergerak dibidang produk peralatan militer dan produk komersial di Indonesia. Selain memproduksi senjata, PT. Pindad juga memproduksi
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 terperinciBiaya Modal (Cost of Capital)
Bahan Ajar : Manajemen Keuangan II Digunakan untuk melengkai buku wajib Disusun oleh: Nila Firdausi Nuzula Biaya Modal (Cost of Caital) Caital Budgeting dan Cost of Caital (CoC) meruakan dua konse yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.. Konsep Dasar Analisis Runtun Waktu Pada bagian ini akan dikemukakan beberapa definisi yang menyangkut pengertian dan konsep dasar analisis runtun waktu. Definisi Runtun waktu
Lebih terperinciBAB III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA. Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi
BAB III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi atau getaran dari sebuah data pada frekuensi tertentu. Analisis spektral
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian Obyek dalam penelitian ini adalah harga penutupan saham-saham yang direkomendasikan akan dapat bertahan pada tahun politik (2014) dalam media kompas.com,
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 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN 3.1 Data Penelitian ini menggunakan data indeks dari 15 bursa saham di 14 negara yang terdiri dari IHSG (Indonesia), IBOVESPA (Brazil), CAC-40 (Perancis), DJIA dan
Lebih terperinciANALISIS BAYES UNTUK REGRESI SPLINE TERPENALTI STUDI KASUS: ANALISIS HUBUNGAN JUMLAH UANG BEREDAR DENGAN INFLASI DI INDONESIA
IndoMS Journal on Statistics Vol. 2, No. 2 (2014), Page 63-69 ANALISIS BAYES UNTUK REGRESI SPLINE TERPENALTI STUDI KASUS: ANALISIS HUBUNGAN JUMLAH UANG BEREDAR DENGAN INFLASI DI INDONESIA Rika Fitriani,
Lebih terperinciBAB 3 PENGEMBANGAN TEOREMA DAN PERANCANGAN PROGRAM
BAB 3 PENGEMBANGAN TEOREMA DAN PERANCANGAN PROGRAM 3.1. Pengembangan Teorema Dalam enelitian dan erancangan algoritma ini, akan dibahas mengenai beberaa teorema uji rimalitas yang terbaru. Teorema-teorema
Lebih terperinciPERAMALAN NILAI TUKAR RUPIAH TERHADAP USD DAN AUD BERDASARKAN MODEL VAR
PERAMALAN NILAI TUKAR RUPIAH TERHADAP USD DAN AUD BERDASARKAN MODEL VAR Mega Novita 1, Adi Setiawan 2, dan Didit Budi Nugroho 2 1,2 Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen
Lebih terperinciIII METODE PENELITIAN
18 III METODE PENELITIAN 3.1. Kerangka Pemikiran Mengetahui kointegrasi pada setiap produk adalah salah satu permasalahan yang perlu dikaji dan diteliti oleh perusahaan. Dengan melihat kointegrasi produk,
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 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 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 terperinci(A.3) PENDEKATAN MULTIFAKTOR UNTUK OPTIMISASI PORTOFOLIO INVESTASI DI BAWAH VALUE-AT-RISK
(A.3) ENDEKAAN MULIFAKOR UNUK OIMISASI OROFOLIO INVESASI DI BAWAH VALUE-A-RISK ABSRAK Betty Subartini, Lily Dwi Noviyanti, F. Sukono Jurusan Matematika FMIA Universitas adjadjaran Jl. Raya Bandung-Sumedang
Lebih terperinciBAB III METODE WEIGHTED LEAST SQUARE
BAB III METODE WEIGHTED LEAST SQUARE 3.1 Uji White Salah satu asumsi dari model regresi linear klasik adalah varian error ε i pada setiap nilai variabel bebas adalah sama (konstan). Asumsi ini disebut
Lebih terperinciBAB III VALUE AT RISK (VaR ) DAN PENDEKATAN COPULA
BAB III VALUE AT RISK (VaR ) DAN PENDEKATAN COPULA 3.1 Value at Risk (VaR) Salah satu aspek yang sangat penting dalam analisis resiko adalah penghitungan Value at Risk atau yang selanjutnya disingkat dalam
Lebih terperinciPENDEKATAN METODE VAR-GARCH PADA PEMODELAN KETERKAITAN INDEKS HARGA SAHAM GABUNGAN (IHSG), KURS DOLLAR AMERIKA DAN HARGA EMAS DUNIA
Jurnal LOG!K@ Jilid 7 No. 017 Hal. 137-145 ISSN 1978 8568 PENDEKATAN METODE VAR-GARCH PADA PEMODELAN KETERKAITAN INDEKS HARGA SAHAM GABUNGAN (IHSG) KURS DOLLAR AMERIKA DAN HARGA EMAS DUNIA Dwi Fikriah
Lebih terperinci