MA6281 Topik Statistika IV: Analisis Deret Waktu Keuangan
|
|
- Yuliana Sasmita
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 Model homoskedastik AR Sifat asimtotik bias dan fungsi likelihood Kelas model ARCH/GARCH Pemodelan volatilitas SVAR dan GARCH Stokastik Penaksiran parameter Prediksi volatilitas
2 19/01/2016 Deret waktu: harga versus return Saat ini data deret waktu keuangan (financial prices) dapat kita peroleh dengan mudah, misalnya harga saham dan nilai kurs. Kita dapat membangun model peluang terbaik yang dapat digunakan untuk memprediksi harga/nilai di masa yang akan datang. Pemodelan dapat dimulai dengan mendefinisikan imbal hasil (return) dan volatilitas (volatility) sebagai statistik. Distribusi return dan volatilitas yang tepat dapat memberi gambaran perilaku data. Referensi: Taylor (2008, hal ), Cont (2001), Engle dan Patton (2001), Liesenfeld dan Jung (2000) Salah satu sifat penting dari deret waktu keuangan adalah kestasioneran (stationarity), khususnya sifat stasioner lemah. Sifat ini memungkinkan kita untuk mendapatkan penaksir parameter model konstan. Konsekuensi sifat stasioner (kuat) adalah (i) mean konstan, dan (ii) autokovariansi yang bergantung pada lag waktu.
3 26-27/01/2016 Volatilitas untuk harga dan return Sejatinya, jika kita membicarakan data aset keuangan maka kita telah mempelajari salah satu ilmu penting dan sulit dalam bidang statistika yatitu proses stokastik. Secara khusus, data (harga) aset memberikan kita apa yang disebut deret waktu. Deret waktu adalah proses stokastik yang menggunakan waktu integer sebagai indeks proses. Proses atau model stokastik untuk harga, return dan volatilitas tidak dapat dibangun dengan mudah. Pemodelan return pada dasarnya adalah pemodelan volatilitas. Perhatikan beberapa definisi return berikut: R t = P t P t 1 R t = log P t P t 1 R t = P t P t 1 P t 1 Apa yang dapat kita katakan tentang jumlahan return dalam kaitannya dengan harga? Statistik mana yang sebaiknya kita pilih, harga atau return? Jelaskan! Beri alasan agar kita dapat mengatakan bahwa return adalah volatilitas? Apakah yang dimaksud dengan volatilitas? Ada berapa jenis volatilitas? Adakah volatilitas dari volatilitas?
4 2-3/02/2016 Volatilitas: definisi, notasi dan model Volatilitas adalah variansi/deviasi standar bersyarat; ukuran yang menyatakan sebaran data relatif terhadap mean (bersyarat) nya. Volatilitas menyatakan risiko dan merupakan ukuran risiko yang paling sederhana. Kita akan mengenal nanti bahwa setiap ukuran risiko adalah fungsi dari volatilitas. Jelaskan apa yang dimaksud dengan realized volatility.
5 9-10/02/2016 Model volatilitas autoregressive (AR) Pandang model harga aset: R t = ε t, dengan ε t sampel acak berdistribusi normal standar. R t = σ t ε t,... (dengan segala macam asumsi untuk inovasi) Apakah yang kita dapatkan dengan memperhatikan model diatas? Mungkinkah kita mengenal model harga/return aset (atau volatilitas) yang bergantung pada harga/return (atau volatilitas) sebelumnya? Salah satu model yang layak dipertimbangkan adalah R t = α 0 + α 1 R t 1 + ε t, dengan ε t N(0, σ 2 ). Vektor parameter yang kita punya adalah θ = (α 0, α 1, σ 2 ); volatilitas bersifat konstan. Selang prediksi atas untuk return pada waktu t = n + 1 adalah R n = α 0 + α 1R n + z σ. Bagaimana perilaku dan prediksi volatilitas pada data riil?
6 23-24/02/2016 Volatilitas dalam model stokastik Volatilitas berperan penting dalam pemodelan return sehingga seringkali kita harus mengatakan pemodelan volatilitas dan bukan pemodelan return. Model volatilitas pada dasarnya dapat dibangun dengan konsep barisan peubah acak. Engle (1982) dan Bollerslev (1986) mempopulerkan model heteroskedastik untuk volatilitas yang bergantung pada kuadrat dari observasi return sebelumnya: σ 2 2 t = α 0 + α 1 R t 1 (+β 1 σ 2 t 1 ), dengan R t = σ t ε t ; ε t N(0,1). Perhatikan bahwa nilai volatilitas akan dijamin positif apabila α i 0 dan β Perhatikan bahwa penambahan komponen σ t 1 (volatilitas pada waktu sebelumnya) memiliki pengaruh yang signifikan terhadap model dimana volatilitas akan persisten lebih lama pada level yang tinggi sebelum berubah ke level yang lebih rendah (McNeil dkk, 2005, hal.145). Apa yang dimaksud dengan proses heteroskedastik? Apa yang dapat kita lakukan pada model volatilitas? menentukan mean dan variansi bersyarat volatilitas menaksir parameter model mengkaji kemampuan model dalam menangkap sifat empirik volatilitas
7 1-2/03/2016 Sifat ekor tebal dan kurtosis tinggi pada model volatilitas Cont (2001) mendeskripsikan sifat empirik dari (return dan) volatilitas antara lain distribusi ekor tebal pada inovasi dan kurtosis tinggi. Selama ini, inovasi selalu diasumsikan berdistribusi normal; walaupun terlihat jelas bahwa data return tidak normal. Secara khusus, model ARCH/GARCH dapat memberikan predicted kurtosis yang tinggi yang sesuai dengan asumsi distribusi ekor tebal. Dapatkah sifat ekor tebal atau kurtosis tinggi dikaitkan dengan sifat empirik yang lain seperti fungsi autokorelasi dari return kuadrat yang rendah dan turun secara perlahan (low and slowly decay)?
8 7-9/03/2016 Volatilitas dalam riset (kuliah khusus M-8) Volatilitas memiliki beberapa aspek penting untuk dikaji dalam riset. Pertama, definisi atau konsep volatilitas dapat berbeda satu sama lain. Hsieh (1993, 1995) mengatakan bahwa sifat volatilitas yang tidak terobervasi (unobserved) mengakibatkan tidak adanya kesepakatan untuk menghitung volatilitas. Aspek kedua adalah model volatilitas (terbaik). Model volatilitas kelas ARCH/GARCH memandang proses volatilitas sebagai fungsi terobservasi σ 2 2 t = α 0 + α 1 R t 1 (+β 1 σ 2 t 1 ), sedangkan model SV memiliki fungsi laten untuk volatilitas. Pemilihan model terbaik dapat dilakukan dengan memperhatikan kemampuan model untuk menangkap (capture) sifat-sifat empirik (return dan) volatilitas. Untuk model dengan fungsi volatilitas laten, aspek penaksiran parameter merupakan kajian yang penting dan terus berlanjut. Metode likelihood maksimum yang biasa dipakai tidak lagi dapat diaplikasikan pada model SV, misalnya, karena tidak terobservasinya volatilitas. Liesenfeld dan Jung (2000) dan Syuhada (2004, 2008) menggunakan metode SML (simulated maximum likelihood). Aspek penting terakhir dari riset volatilitas adalah prediksi volatilitas dan keakuratannya.
9 15-16/03/2016 Sifat persistensi pada volatilitas (persistent volatility) Volatilitas bersifat ada dan berkelanjutan atau persisten (persistent). Artinya, return hari ini memiliki efek yang besar terhadap prediksi variansi (atau volatilitas) pada beberapa waktu kedepan. Engle dan Patton (2001) mendefinisikan forward persistence dan cumulative persistence. Selain itu, diberikan pula alternatif mengukur persistensi melalui half-life of volatility. Kita dapat menguji sifat persistensi pada volatilitas baik pada model volatilitas homoskedastik ataupun heteroskedastik. Sifat persistensi pada volatilitas dapat pula dikaji bersamaan dengan sifat mean reverting /03/2016 Sifat asimetrik pada volatilitas (asymmetric volatility) Model volatilitas ARCH/GARCH tidak dapat menangkap sifat asimetrik pada volatilitas; model yang dapat menangkap sifat ini adalah model TGARCH /03/2016 Penentuan model volatilitas terbaik Model volatilitas terbaik dapat ditentukan melalui kemampuan model menangkap sebanyak mungkin sifat (return dan) volatilitas. Kita dapat pula menguji ke-terbaik-an model dengan memanfaatkan asumsi distribusi untuk inovasi yang berbeda.
10 Volatily models: ARCH (Engle, 1982), GARCH (Bollerslev, 1986), SV (Taylor, 1986, 1994); Models with realized volatility: Taylor and Xu (1997) Andersen and Bollerslev (1998) definition of return and (realized) volatility some stylized facts: return/squared return show no/strong autocorrelation; unconditional distribution of the realized volatility is highly skewed and kurtosed; log of realized volatility is (nearly) normally distributed; leverage effect or asymmetry; fractionally integrated? (Cont, 2001) Identifying financial data by using AR or heteroscedastic models. Extension of ARCH/GARCH models: fat-tailed distribution of innovation (e.g. fat-tailed GARCH of Hung, Lee, Liu, 2008); additional parameter into volatility process. Risk is a matter of uncertainty. Risk can be measured through its volatility.
Analisis Deret Waktu Keuangan
Khreshna Syuhada 1 Catatan Kuliah Analisis Deret Waktu Keuangan Khreshna Syuhada 2 Bab 1: Return dan Sifat-sifat Return Misalkan PP tt menyatakan harga aset pada waktu tt. Return atau imbal hasil didefinisikan
Lebih terperinciMA6281 PREDIKSI DERET WAKTU DAN COPULA. Forger The Past(?), Do Forecasting
Catatan Kuliah MA6281 PREDIKSI DERET WAKTU DAN COPULA Forger The Past(?), Do Forecasting disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014
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 terperinciBAB I PENDAHULUAN. Perilaku dari harga suatu aset finansial dapat dilihat dari dua parameter,
BAB I PENDAHULUAN 1.1 Latar belakang Perilaku dari harga suatu aset finansial dapat dilihat dari dua parameter, yaitu mean dan standar deviasi harga aset tersebut. Dalam bahasa keuangan, standar deviasi
Lebih terperinciBAB 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 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 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 terperinciAK6083 Manajemen Risiko Kuantitatif. Referensi: McNeil, Frey, Embrechts (2005), Quantitative Risk Management: Concepts, Techniques and Tools.
AK6083 Manajemen Risiko Kuantitatif Referensi: Silabus: McNeil, Frey, Embrechts (2005), Quantitative Risk Management: Concepts, Techniques and Tools Seputar risiko dan volatilitas Peubah acak dan fungsi
Lebih terperinciPENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Lebih terperinciBAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi saat ini berkembang pesat.
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan dan teknologi saat ini berkembang pesat. Hal ini mendorong manusia untuk terus berupaya memanfaatkan kemajuan teknologi di antaranya diwujudkan
Lebih 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 terperinciUNNES Journal of Mathematics
UJM 5 (2) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN TAKSIRAN VALUE AT RISK DENGAN PROGRAM R DAN MATLAB DALAM ANALISIS INVESTASI SAHAM MENGGUNAKAN METODE
Lebih terperinciBAB I PENDAHULUAN. untuk menjual, menahan, atau membeli saham dengan menggunakan indeks
BAB I PENDAHULUAN A. LATAR BELAKANG MASALAH Pasar modal merupakan pasar abstrak, dimana yang diperjualbelikan adalah dana jangka panjang, yaitu dana yang keterikatannya dalam investasi lebih dari satu
Lebih terperinciBAB II TINJAUAN PUSTAKA. 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 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 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 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 terperinciCatatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)
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 terperinciCatatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2018
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 III ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) Asymmetric Power Autoregressive Conditional Heteroscedasticity
BAB III ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) 3.1 Proses APARCH Asymmetric Power Autoregressive Conditional Heteroscedasticity (APARCH) diperkenalkan oleh Ding, Granger
Lebih terperinciBAB I PENDAHULUAN. 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 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 terperinciPEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 465-474 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD
Lebih terperinciBAB 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 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 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 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 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 terperinciCatatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)
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 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 terperinciPERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M)
PERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M) (Studi Kasus pada Return Harga Saham PT. Wijaya Karya) SKRIPSI Disusun Oleh : Dwi Hasti
Lebih 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 I PENDAHULUAN. tukar uang tersebut dinamakan kurs atau exchange rate. uang tersebut merupakan salah satu aset finansial yang dapat mendorong
BAB I PENDAHULUAN 1.1 Latar Belakang Uang memegang peranan penting dalam perekonomian setiap negara. Aktifitas ekonomi yang dapat dilakukan suatu negara dengan menggunakan uang adalah perdagangan, baik
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 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 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 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 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 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 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 terperinciMA6281 Analisis Data dengan Copula Bab 1: Fungsi distribus. Bab 2: Data dan volatilitas Bab 3: Konsep Copula
MA6281 Analisis Data dengan Copula Bab 1: Fungsi distribusi bivariat Bab 2: Data dan volatilitas Bab 3: Konsep Copula Dependency is not necessarily bad Data risiko operasional Ilustrasi Data risiko operasional
Lebih terperinciIKG4A2 Kapita Selekta Dosen: Aniq A. Rohmawati, M.Si Data Deret Waktu dan i.i.d
IKG4A2 Kapita Selekta Dosen: Aniq A. Rohmawati, M.Si Data Deret Waktu dan i.i.d Data merupakan kumpulan informasi yang diharapkan dapat dinterpretasikan dengan baik dan akurat. Terdapat beberapa jenis
Lebih terperinciINTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) (Studi Kasus pada Return Kurs Rupiah terhadap Dollar Australia)
PERHITUNGAN VALUE AT RISK MENGGUNAKAN MODEL INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) (Studi Kasus pada Return Kurs Rupiah terhadap Dollar Australia) SKRIPSI Disusun
Lebih 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 terperinciCatatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2018
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 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 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 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 terperinciCatatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang AK5161 Matematika
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 terperinciPEMODELAN DATA DERET WAKTU MENGGUNAKAN MIXTURE AUTOREGRESSIVE (MAR) SKRIPSI
PEMODELAN DATA DERET WAKTU MENGGUNAKAN MIXTURE AUTOREGRESSIVE (MAR) (Penerapan Pada Data Indeks Harga Saham Gabungan) SKRIPSI Oleh: ESTI ULIN NIKMAH J2A 605 042 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA
Lebih terperinciPenerapan model aparch untuk volatilitas returns Kurs beli eur dan jpy terhadap idr periode
1 Penerapan model aparch untuk volatilitas returns Kurs beli eur dan jpy terhadap idr periode 2009-2014 Saragah Repi Pratama, Didit Budi Nugroho *, Bambang Susanto Program Studi Matematika, Universitas
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 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 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 terperinciBAB II LANDASAN TEORI. nonstasioneritas, Autocorrelation Function (ACF) dan Parsial Autocorrelation
BAB II LANDASAN TEORI Pada Bab II akan dijelaskan pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya yaitu peramalan data runtun waktu (time series), konsep dasar
Lebih terperinciCatatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang AK5161 Matematika
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 I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Analisis runtun waktu banyak diterapkan hampir di semua bidang kegiatan, antara lain bidang ekonomi, kesehatan, ilmu pengetahuan alam, dan sebagainya. Ada
Lebih terperinciTEORI DASAR DERET WAKTU M A T O P I K D A L A M S T A T I S T I K A II 22 J A N U A R I 2015 U T R I W E N I M U K H A I Y A R
TEORI DASAR DERET WAKTU M A 5 2 8 3 T O P I K D A L A M S T A T I S T I K A II 22 J A N U A R I 2015 U T R I W E N I M U K H A I Y A R DERET WAKTU Deret waktu sendiri tidak lain adalah himpunan pengamatan
Lebih terperinciMODEL KRISIS PASAR MODAL DI INDONESIA MENGGUNAKAN MARKOV SWITCHING TGARCH (MS-TGARCH) DUA STATE BERDASARKAN INDIKATOR IHSG
MODEL KRISIS PASAR MODAL DI INDONESIA MENGGUNAKAN MARKOV SWITCHING TGARCH (MS-TGARCH) DUA STATE BERDASARKAN INDIKATOR IHSG Oleh ALFI NUR DINA NIM M0110002 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciMetode Langkah-langkah yang dilakukan dalam penelitian ini dapat dilihat pada Gambar 1. Eksplorasi data. Identifikasi model ARCH
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
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam perkembangannya, pasar saham menawarkan berbagai macam bentuk perdagangan, misalnya kontrak keuangan yang menyatakan pemegangnya adalah pemilik dari suatu aset.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI II. Indeks Sektoral, LQ45, dan IHSG II.. Indeks Sektoral dan IHSG Indeks sektoral merupakan bagian dari IHSG. Semua perusahaan yang tercatat di BEI diklasifikasikan ke dalam 9 sektor
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 151-160 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI CURAH HUJAN EKSTREM DI KOTA SEMARANG MENGGUNAKAN
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data runtun waktu dari fenomena real seperti data finansial biasanya bersifat nonstasioner. Tipe data runtun waktu finansial biasanya dicirikan oleh pola-pola seperti
Lebih 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Heteroskedastis Masalah serius lainnya yang mungkin kita hadapi dalam analisis regresi adalah heteroskedastis.ini timbul pada saat bahwa varians dari faktor konstan untuk semua
Lebih terperinciEstimasi Nilai AVaR Menggunakan Model GJR dan Model GARCH
Estimasi Nilai AVaR Menggunakan Model GJR dan Model GARCH Komang Dharmawan Jurusan Matematika, Fakultas MIPA, Universitas Udayana e-mail: k.dharmawan@unud.ac.id Abstrak: Dalam pemodelan harga saham, sering
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 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 terperinciPEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 771-780 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP
Lebih 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 terperinciPemodelan Data Time Series Garch(1,1) Untuk Pasar Saham Indonesia. Time Series With GARCH(1,1) Model for Indonesian Stock Markets
Pemodelan Data Time Series Garch(1,1) Untuk Pasar Saham Indonesia Time Series With GARCH(1,1) Model for Indonesian Stock Markets Elfa Rafulta 1), Roni Tri Putra 2) 1) Jurusan Pendidikan Matematika, STKIP
Lebih terperinciPEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH
PEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH BUNGA LETY MARVILLIA Matematika, Fakultas Ilmu Pengetahuan Alam, UNESA Jl. Ketintang villy_cute_7@yahoo.com 1, raywhite_vbm@gmail.com
Lebih terperinciPEMODELAN KURS MATA UANG RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN METODE GARCH ASIMETRIS
PEMODELAN KURS MATA UANG RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN METODE GARCH ASIMETRIS SKRIPSI Disusun Oleh : ULFAH SULISTYOWATI 24010210120052 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciCatatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang AK5161 Matematika
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. Variabel bebas dalam penelitian ini adalah Corporate Governance
BAB III METODOLOGI PENELITIAN A. Variabel Penelitian Variabel bebas dalam penelitian ini adalah Corporate Governance Perception Index (CGPI), sedangkan variabel terikat dalam penelitian ini adalah volatilitas
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciPENGANTAR ANALISA RUNTUN WAKTU
DIKTAT KULIAH PENGANTAR ANALISA RUNTUN WAKTU Dr.rer.nat. Dedi Rosadi, M.Sc.Eng.Math. Email: dedirosadi@ugm.ac.id http://dedirosadi.staff.ugm.ac.id Program Studi Statistika Fakultas Matematika dan Ilmu
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 terperinciPADA PORTOFOLIO SAHAM
PERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED PARETO DISTRIBUTION UNTUK PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM SKRIPSI Disusun oleh: AYU AMBARSARI 24010212140079 DEPARTEMEN
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 705-715 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN DAN PERAMALAN VOLATILITAS PADA RETURN SAHAM BANK BUKOPIN
Lebih terperinciBAB I PENDAHULUAN. Tujuan akhir dari kebijakan makroekonomi adalah stabilitas harga yang menciptakan
BAB I PENDAHULUAN 1.1 Latar Belakang Tujuan akhir dari kebijakan makroekonomi adalah stabilitas harga yang menciptakan pertumbuhan ekonomi yang berkesinambungan. Pertumbuhan ekonomi yang berkesinambungan
Lebih 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 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 terperinciCatatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183
Lebih terperinciPEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH)
PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH) SKRIPSI Disusun oleh: MAIDIAH DWI NARURI SAIDA 24010212120003 DEPARTEMEN
Lebih terperinciSKRIPSI. Disusun Oleh : OKTAFIANI WIDYA NINGRUM
PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM MENGGUNAKANN COPULA (Studi Kasus : Saham-Saham Perusahaan di Indonesia Periode 13 Oktober 2011-12 Oktober 2016) SKRIPSI Disusun Oleh : OKTAFIANI WIDYA NINGRUM
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 terperinciMA5283 STATISTIKA Bab 7 Analisis Regresi
MA5283 STATISTIKA Bab 7 Analisis Regresi Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Perkuliahan Silabus Tujuan Peubah bebas dan terikat, konsep relation, model regresi linier, penaksir
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 terperinci