PENERAPAN MODEL GARCH DAN MODEL EWMA DALAM MENGUKUR RISIKO BERINVESTASI (Studi Kasus: Saham Syariah di Jakarta Islamic Indeks)) Yuyun Yunarti
|
|
- Deddy Sudjarwadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 is Generalized Autoregressive Conditional heteroscedastisity (GARCH) model and Exponential Weighted Moving Average (EWMA) model. The volatility estimated by these model can be used to measure the market risk of a portofolio of assets, called Value at Risk (VaR). VaR depends on the volatility, time horizon and confidence interval for the continuous return under analysis. For empirical assessment of these models, we use a sample on Jakarta Islamic Stock to sepecify the GARCH and EWMA model. The best GARCH model yielded from this research is model GARCH(1,) and the best EWMA model, be modeled with weight 0,99. The comparison process of GARCH model and EWMA model was done by measuring the value of Mean Absolute Percentage Error (MAPE) for estimation and forecasting. The result of research of shows that the MAPE to EWMA model is of 1,67 which is smaller than GARCH model which is 71,79 Therefore, it can be concluded that EWMA model has a better level of accuration than GARCH model in representing the actual data and forecasting. The result of variance forecasting for one periods forwards shows that the GARCH model has a larger Value at Risk ( Var) than the EWMA model has. Keywords : EWMA Model, GARCH Model, MAPE, VaR. A. PENDAHULUAN Pesatnya perkembangan pasar modal syariah, yang menyebabkan PT. Bursa Efek Indonesia (BEI) bersama dengan PT. Danareksa Invesment Management (DIM) telah meluncurkan Indeks saham yang dibuat berdasarkan syariah Islam, yaitu Jakarta Islamic Indeks (JII). Jakarta Islamic Indeks terdiri dari 30 jenis saham yang dipilih dari saham-saham syariah yang sesuai dengan syariah islam. Penentuan kriteria pemilihan saham dalam Jakarta Islamic Indeks (JII) melibatkan pihak dewan pengawas syariah PT. Danareksa Invesment Management. Jakarta Islamic Index dimaksudkan sebagai tolok ukur (benchmark) untuk mengukur kinerja suatu investasi pada saham dengan basis syariah. Melalui indeks diharapkan dapat meningkatkan kepercayaan investor untuk mengembangkan investasi secara syariah Indeks dapat memberikan investor gagasan tentang bagaimana kinerja sebuah bursa selama waktu tertentu. Dengan melihat indeks, maka investor dapat Dosen Jurusan Tarbiyah STAIN Jurai Siwo Metro, Lampung, yun_arti@yahoo.com, HP:
2 memperkirakan dengan cepat bagaimana kinerja portopolio sahamnya. Namun demikian indeks dapat juga dimanfaatkan untuk tujuan yang lebih besar yaitu, dengan melihat fluktuasi indeks investor dapat menghitung berapa potensi risiko pasar dari suatu saham dengan melihat ragam pengembalian harga saham. Saham dikenal memiliki karakteristik high risk-high return. Artinya saham merupakan surat berharga yang memberikan peluang keuntungan yang tinggi namun juga berpotensi risiko tinggi. Saham memungkinkan investor mendapatkan keuntungan dalam jumlah besar dan dalam waktu singkat. Namun seiring dengan berfluktuasinya harga saham, saham juga dapat membuat investor mengalami kerugian dalam waktu singkat. Jadi bila investor memutuskan untuk berinvestasi dalam bentuk saham, yang perlu ditelaah ulang adalah tingkat risiko yang biasanya di tanggung oleh investor. Data deret waktu pada analisis keuangan biasanya memiliki ragam pengembalian harga saham yang tidak konstan di setiap titik waktunya. Kondisi data yang seperti ini disebut heteroskedastisitas bersyarat (conditional heteroskedastic). Pada keadaan asumsi untuk metode kuadrat terkecil sudah tidak terpenuhi. 1 Salah satu cara untuk mengakomodasi heteroskedastisitas adalah dengan pemodelan ragam yang dapat melakukan peramalan dengan tepat, artinya penyimpangan antar ragam aktual dengan ragam ramalan tidak terlalu jauh berbeda. Beberapa model deret waktu yang mengakomodasi heteroskedastisitas adalah model Generalized Autoregressive Conditional Heteroskedastisitas (GARCH) yang diperkenalkan oleh Engle pada tahun 198 kemudian dilanjutkan oleh Bollerslev pada tahun 1986 dan model Exponentially Weighted Moving Average (EWMA) yang. Kedua model ini dapat menjelaskan tentang pergerakan harga indeks saham termasuk risiko. Pada penerapan selama ini, model GARCH lebih sering digunakan dibandingkan dengan model EWMA. Namun apabila ditelusuri lebih jauh, model EWMA memiliki struktur model lebih sederhana dibandingkan dengan model GARCH dengan tetap mempertahankan ketepatan model dalam meramal ragam. Oleh karena itu penggunaan model EWMA merupakan alternatif atau solusi untuk mendapatkan model ragam. Berdasarkan ide diatas, merupakan hal yang menarik untuk membandingkan kedua model tersebut. Ukuran pembandingan yang digunakan adalah besarnya penyimpangan ragam pendugaan dan peramalan dari ragam aktual untuk kedua 1 Jorion P. Value at Risk:The new benchmark for managing finnancial risk, nd ed. (McGraw-Hill. California. Nort America 1995), h. 56. Tagliafichi RA. The Estimation of Market VaR using GARCH Models and a Heavy Tail Distributions. Paper Documens in Basel II. Faculty of Economics, (University of Buenos Aires, Argentina, 003), h. 73.
3 model. Proses aplikasi model dalam mengukur risiko dilakukan dengan mengukur risiko pasar (market risk) untuk satu periode ke depan dengan mengunakan ukuran Value at Risk (VaR). Metode pengukuran risiko berubah-ubah sepanjang waktu. Pendekatan pertama yang digunakan dalam mengukur risiko pasar adalah building-block approach, dimana semua aspek perhitungan mengikuti aturan yang telah tersetruktur dan distandarisasi sehingga pendekatan ini disebut juga standardized approach. Dengan pendekatan standardized approach, risiko nilai tukar dan risiko saham ditetapkan 8 % dari posisi net. Kelemahannya adalah perubahan 8% tersebut diterapkan secara menyeluruh tanpa memperhatikan aktual return volatilitas saham maupun nilai tukar. Adanya kelemahan-kelemahan tersebut mengundang kritik dari berbagai kalangan yang pada akhirnya menetapkan model Value at Risk (VaR) dalam menghitung risiko pasar. VaR merupakan pengukuran risiko secara kuantitatif yang mengestimasi potensi kerugian maksimal, yang mungkin terjadi pada masa akan datang dengan jangka waktu tertentu dan tertentu pada kondisi pasar normal. tingkat kepercayaan (confidence level) B. KAJIAN TEORI 1. Pasar Saham (Stock Market) Saham merupakan bukti kepemilikan seseorang pada suatu perusahaan. 3 Bentuk fisik saham adalah selembar kertas. Pemegang saham adalah pemilik perusahaan, tetapi saham juga dapat diperjual belikan. Indikator yang digunakan untuk menggambarkan pasar suatu saham adalah indeks harga saham yang dalam hal ini ada di Bursa Efek Jakarta. (BEJ). Indek harga saham di Bursa Efek Jakarta (BEJ) terbagi menjadi lima kategori : a. Indek Harga Saham Gabungan (IHSG). Menggunakan semua saham dan tercatat sebagai komponen perhitungan indeks. b. Indeks Sektoral, menggunakan semua saham yang termasuk dalam masingmasing sector. c. Indeks LQ 45, menggunakan 45 saham yang terpilih setelah melalui seleksi. d. Jakarta Islamic Indeks (JII) menggunakan 30 saham yang termasuk dalam criteria syariah dan termasuk dalam saham liquid. 3 Marwan, Pasar Saham, (Jakarta: Gramedia, 003), h.
4 e. Indeks Individual yaitu indeks harga masing-masing terhadap harga dasarnya.. Risiko Didefinisikan dalam kamus Webster s sebagai kecelakaan; bahaya ; dihadapkan pada kerugian atau kecelakaan. Oleh karena itu, risiko mengacu pada peluang bahwa kejadian yang tidak menguntungkan terjadi. 4 Istilah risiko dalam penelitian ini mengacu pada tingkat kerugian yang akan ditanggung oleh investor pada instrument investasi saham, yaitu dimana harga saham dalam satu hari perdagangan akan mengalami penurunan (negative return). Dalam konteks manajemen investasi, risiko merupakan besarnya penyimpangan antara tingkat pengembalian yang diharapkan (excpeted return) dengan tingkat pengembalian yang dicapai secara nyata (actual return). Risiko dapat juga didefinisikan sebagai kemungkinan adanya variasi tingkat pengembalian (Volatilitas). Bentuk risiko di bursa saham adalah berupa penurunan asset karena capital loss, biaya dan pajak. Variasi dari tingkat pengembalian yang diinginkan adalah berupa peningkatan asset karena bagi hasil (deviden) dan pemodalan (capital again). Risiko investasi harus diperhitungkan secara tepat ketika kita memilih instrument investasi untuk menghindari kerugian. Untuk itu sebelum melakukan investasi, seorang investor harus memperhitungkan tingkat risiko yang akan ditanggung. 3. Value at Risk (Var) Secara umum Value at Risk dari suatu portopolio/saham didefinisikan sebagai nilai peluang (harapan) kerugian maksimum dari nilai asset atau saham selama periode waktu tertentu dengan tingkat kepercayaan tertentu. 5 Secara matematis VaR dapat didefinisikan sebagai berikut : x b xz xw VaR T 1 Dengan : VaR b Z α W σ T+1 : Besarnya risiko : Periode kepemilikan saham/asset : Titik kritis dalam table Z dengan α tertentu : Besarnya investasi : Volatilitas yang akan datang (hasil peramalan) 4 Brigham, E. Manajemen Keuangan. Edisi terjemahan 8. (Erlangga: Jakarta, 001), h Jorion P. Value at Risk:The new benchmark for managing finnancial risk, nd (California, Nort America: McGraw-Hill, 001), h. 146.
5 VaR memiliki hubungan yang erat dengan metode GARCH, yang sering digunakan jika terjadi ketidakhomogenan ragam dari data tingkat pengembalian dan menduga nilai volatilitas yang akan datang. Hal tersebut merupakan kelebihan metode ARCH/GARCH dibandingkan dengan pendugaan ragam biasa, yang tidak mampu melakukan pendugaan ragam jika asumsi kehomogenan ragam tidak terpenuhi, dan meramal penduga yang akan datang. 4. Pendugaan Volatilitas Volatilitas adalah suatu ukuran yang menunjukan seberapa besar harga berfluktuasi dalam suatu periode waktu. Volatilitas dari pengembalian harga saham memperesentasikan risiko pengembalian harga saham tersebut. 6 Data deret waktu pada analisis keuangan biasanya memiliki ragam pengembalian harga saham yang tidak konstan pada tiap titik waktunya. Peubah-peubah pada pasar keuangan umumnya memiliki tiga karakteristik 7. a. Sebaran dari data deret waktu keuangan seperti pengembalian harga saham pada waktu ke-t X memiliki ekor yang lebih panjang dibandingkan sebaran normal. t b. Nilai dari X t tidak memiliki autokorelasi yang tinggi, tetapi nilai dari X t memiliki aotokorelasi tinggi. c. Perubahan pada X t cenderung menggerombol (Cluster). Pengukuran Volatilitas yang biasa digunakan adalah volatilitas konstan (Constant Volatilitas) dan volatilitas tidak konstan (Non-Constant Volatilitas). Volatilitas konstan terdiri dari Standar Deviasi, Rata-rata Bergerak Sederhana, Persentil method/historical Simulation sedangkan volatilitas tidak konstan adalah Exponentially Weighted Moving Average (EWMA) dan Generalized Autoregressive Conditional Heteroskedastic (GARCH). C. HASIL PENELITIAN DAN PEMBAHASAN Pemodelan dalam penelitian ini menggunakan data saham sektor keuangan Jakarta Islamic Indeks (JII) yaitu data return penutupan harga saham harian, yang diamati sejak tanggal Januari 0011 sampai dengan 8 Februari 01 dengan T = 56 pengamatan. Hasil analisis dan pembahasan untuk pemodelan tersebut diuraikan berikut. 1. Identifikasi Model 6 Engle RF. The Use of ARCH/GARCH Model in Applied Econometrics, Jurnal of Economic Perspectives 4, (001) : Lo MS, Generalized Autoregressive Conditional Heteroscedasticity Time Series Model. Thesis Departemen of Statistics and Actuaria Science, Simon Fraser University, 003.
6 Harga Gambar 1 merupakan plot antara indeks harga saham JII dengan waktu waktu Gambar 1 Plot deret waktu saham JII. Data indeks harga saham mengukur kinerja saham-saham yang ada dipasar modal. Gambar 1 menunjukan pola deret waktu pergerakan harga saham JII periode Januari 010 hingga 8 Februari 01, dapat dilihat indeks berfluktuasi dan cenderung naik, mencapai puncaknya pada bulan September 010. Terjadi penurunan pada periode 3 hingga ke level 00 dan naik kembali. Jika dilanjutkan maka akan terlihat adanya trend penurunan dan tren naik kembali. Data pengembalian harga saham terdiri dari 56 pengamatan dengan ringkasan statistik sebagi berikut : Tabel 1 Ringkasan data pengembalian harga Saham Ringkasan Nilai Rataan 0,00138 Simpangan Baku 0,06078 Kemenjuluran -,113 Keruncingan 6,664 Tingkat pengembalian harga saham memiliki nilai rataan yang positif, hal ini menunjukan bahwa data JII pada sektor keuangan memiliki tingkat pengembalian harga saham yang positif. Nilai keruncingan data lebih besar dari 3 menunjukan gejala awal adanya heteroskedastisitas.
7 return 0,4 0,3 0, 0,1 0,0-0,1-0, -0,3-0, Index Gambar Plot tingkat pengembalian harga Saham JII. Secara visual pada gambar dapat diidentifikasi adanya heteroskedastisitas.. Pada gambar terdapat perbedaan antara titik puncak dengan titik bawah yang sangat besar pada periode pertengahan dan periode akhir, terjadi juga pengelompokan ragam pengembalian harga saham. Sehingga dapat dikatakan bahwa pengelompokan ragam pada data sektor keuangan saham JII tidak konstan. Model rataan yang digunakan pada pemodelan awal yaitu model pengembalian harga saham pada waktu ke t dipengaruhi oleh pengembalian harga saham pada waktu ke t-1, t- dan galat pada waktu ke-t-1, t- dan t. Pada tebel 3 terlihat bahwa model rataan yang didapat adalah model rataan ARMA(.). Tabel 3 Model Rataan Tipe Koefisien t-hitung Nilai-P AR 1 1,183,6 0,009 AR -0,4555 -,08 0,038 MA 1 1,3645 3,00 0,003 MA -0,58 -,06 0,040 C 0, ,61 0,10 Catatan : Signifikan pada = 0,05 Model ARMA (.) diatas sebagai berikut : X t 1,181X 1 0,455 X 1,3645 0, 58 t t t 1 t Tabel 4 Uji Heteroskedastisitas Sisaan Uji ARCH F-hitung 1483,315 Nilai - P 0, LM 118,077 Nilai - P 0, t
8 Pemeriksaan heteroskedastisitas sisaan model rataan diatas diperiksa apakah data masih terdapat heteroskedastisitas atau tidak. Pada tabel 4 terlihat bahwa nilai LM yaitu sebesar 118,077 lebih besar dari nilai kritik sebesar 5 % sehingga H 0 di tolak, yang berarti terdapat heteroskedastisitas.. Pendugaan Parameter Model Hasil pendugaan model GARCH yang optimal untuk ordo m dipilih hanya sampai ordo, jika lebih dari ordo maka parameter yang diduga sudah tidak signifikan. Diperoleh nilai n sebesar dan m sebesar 1 yang merupakan model GARCH (1,) dan memiliki nilai dugaan parameter yang signifikan dengan nilai masing-masing sebesar 0, , 0,163945, 0, dan 0, Empat nilai bobot pemulusan yang di cobakan pada Model EWMA yaitu sebesar 0,94, 0,99, 0,996, dan 0,995, dari keempat bobot pemulusan yang dicobakan pada model EWMA, model yang terbaik yaitu model yang memiliki nilai MAPE terkecil. 3. Pemilihan Model Terbaik Model yang terbaik yaitu model yang memiliki nilai AIC dan SC terkecil dari berbagai alternatif diputuskan model terbaik adalah model GARCH (1,) karena memiliki nilai AIC sebesar -8,54913 dan nilai SIC sebesar -8,555087, Kedua nilai ini termasuk yang paling kecil dibandingkan dengan nilai AIC dan SC model lainnya. Selain itu dugaan parameter pada model GARCH(1,) signifikan. Sehingga model GARCH(1,) inilah yang dipilih sebagai model yang terbaik dari model-model yang ada. Tabel 5 Ukuran Kebaikan Model EWMA Bp MAPE 0, ,6 0,99 73,13 0,995 73,6 0,996 73,19 Pemilihan model terbaik pada model EWMA berdasarkan nilai MAPE yang terkecil. Dari tabel 5 terlihat bahwa keempat bobot pemulusan yang memiliki nilai MAPE terkecil terdapat pada bobot pemulusan 0,99 dengan nilai MAPE sebesar 73,13. Nilai bobot pemulusan ini sesuai dengan nilai bobot pemulusan untuk Indonesia yang dikeluarkan oleh JP. Morgan, berati model EWMA terbaik adalah model dengan bobot pemulusan 0,99.
9 4. Pemeriksaan Model Pemeriksaan kecukupan model dilakukan untuk membuktikan bahwa model yang diperoleh cukup memadai. Uji diagnostik model berdasarkan tabel 6 nilai Jargue-Bera sebesar lebih besar dibandingkan dengan...atau P value < 0, 05. Hal ini menunjukan bahwa sisaan baku tidak menyebar normal. Ketidaknormalan sisaan baku mengisyaratkan bahwa metode pendugaan parameter pada model GARCH menggunakan Metode Quasi Maxsimum Likelihood (QML) Tabel 6 Uji Kenormalan Sisaan Baku Series: Standardized Residuals Sample Observations 50 Mean Median Maximum Minimum Std. Dev Skewness Kurtosis Jarque-Bera Probability Pemeriksaan koefisien Autocorrelation Function (ACF) sisaan baku dilakukan dengan pengujian koefisien sisaan baku Uji Ljung-Box, diharapkan bahwa sisaan baku saling bebas dan sudah tidak terdapat heteroskedastisitas. Hasil Uji Ljung Box ditunjukan pada tebel 7. Tebel 7 Nilai ACF dengan hasil Uji Ljung Box Lag ACF Q * Nilai-P 1 0,076 3,53-0,00 3,74 3-0,003 3, ,00 3,33 5 0,004 3,40 0, ,001 3,411 0, ,00 3,481 0,86 8 0,003 3,481 0,918
10 9-0,003 3,519 0, ,003 3,556 0,975 Berdasarkan Uji Ljung Box dan nilai ACF kuadrat sisaan pada 10 lag pertama sudah tidak signifikan artinya kuadrat sisaan baku sudah tidak terdapat Autokorelasi, dengan demikian kinerja model dapat dikatakan baik. Hasil Uji Efek ARCH untuk memeriksa heteroskedastisitas sisaan baku dapat dilihat pada tebel 8, bahwa sisaan baku sudah tidak terdapat heteroskedastisitas pada = 0,05. Tabel 8 Uji Heteroskedastisitas Sisaan Baku Uji ARCH F-hitung 3,09063 Nilai-P 0, LM 3,004 Nilai-P 0, Proses Pembandingan Kedua Model Ukuran pembanding yang digunakan untuk pemodelan yaitu MAPE. Hasil perhitungan diperoleh MAPE model GARCH sebesar 135,5 dan model EWMA sebesar 7,3. Hal ini menunjukan bahwa model EWMA lebih baik dalam melakukan pendugaan ragam karena memiliki nilai MAPE yang lebih kecil dibandingkan model GARCH. Hasil validasi model menunjukan MAPE model EWMA yaitu sebesar 1,67 dan model GARCH sebesar 71,78. Ini menunjukan bahwa model EWMA lebih baik dalam melakukan peramalan dibandingkan dengan model GARCH karena nilai MAPE model EWMA lebih kecil. Sehingga dapat dikatakan model EWMA lebih tepat dalam peramalan ragam dibandingkan model GARCH. 6. Perhitungan VaR (Value at Risk) Model GARCH terbaik yang digunakan dalam peramalan yaitu model GARCH (1,), dengan Kˆ, ˆ ˆ 1, 1 dan yaitu 0, , 0,163945, 0,418784, -0, sehingga didapat modelnya sebagai berikut : ˆ 0, t 0, t 1 0, t 1 0, t Model EWMA terbaik yang digunakan dalam peramalan yaitu model EWMA dengan bobot pemulusan sebesar 0,99, modelnya sebagai berikut : t 1 t 1 ˆ t 0,008 0,99 t 1 ; t > i 1
11 VaR Besarnya VaR dengan waktu investasi yang berbeda-beda yaitu 1 hari, 5 hari, 10 hari, 15 hari dan 0 hari dengan menggunakan model GARCH dan model EWMA, pada selang kepercayaan 95% disajikan pada tabel 9. Hasil perbandingan VaR menunjukan bahwa model GARCH memiliki VaR yang lebih besar dibandingkan dengan model EWMA. Sehingga dapat dikatakan bahwa model EWMA lebih baik dibandingkan model GARCH dalam mengukur risiko. Tabel 9 VaR dengan Selang Kepercayaan 95% Hari Model GARCH Model EWMA 1 hari 0, , hari 0, , hari 0, , hari 0,1055 0, hari 0, , Gambar 5 merupakan plot antara VaR dengan lamanya berinvestasi untuk model GARCH dan Model EWMA pada selang kepercayaan 95%. 0,18 0,16 Variable GARCH EWMA 0,14 0,1 0,10 0,08 0,06 0,04 0,0 1hari 5hari 10hari Lama Investasi 15hari 0hari Gambar 5 Eksplorasi VaR kedua model pada selang kepercayaan 95%. Secara visual pada gambar 5 terlihat model GARCH memiliki VaR yang lebih besar dibandingkan dengan model EWMA pada setiap lama investasi dengan selang kepercayaan 95%. Sehingga dapat disimpulkan bahwa semakin lama investasi akan semakin besar risiko yang ditangung oleh investor.
12 , , , , , , , , , , , ragam aktual G AR C H E WMA D. SIMPULAN Model GARCH terbaik yang digunakan adalah GARCH(1,) dan model EWMA terbaik yang digunakan model EWMA dengan bobot pemulusan 0,99. Proses pembandingan model GARCH dan EWMA dilakukan dengan mengukur MAPE sebagai penyimpangan nilai peramalan dan dugaan ragam model dengan ragam aktualnya menunjukan bahwa model EWMA lebih baik dibandingkan model GARCH karena memiliki nilai MAPE lebih kecil. Sehingga risiko yang diperoleh investor kecil. Hasil peramalan ragam satu periode ke depan menunjukan bahwa model EWMA memiliki VaR yang lebih kecil dibandingkan model GARCH, karena nilai ragam model GARCH lebih besar dari Model EWMA. DAFTAR PUSTAKA Bollerslev T. Generalized autoregressive conditional heteroscedasticity, Journal of Econometrics- 31 (1986) Brigham, E., Manajemen Keuangan, (Erlangga, Edisi Terjemahan-8 : 001). Darmawi H., Manajemen Risiko, Jakarta: Bumi Aksara,1997. Engle RF. The Use of ARCH/GARCH Model in Applied Econometrics. Jurnal of Economic Perspectives, Volume 4. Fernando CG. Value at Risk (VaR) Using Volatility Forcasting Model: EWMA, GARCH and Stochastic Volatility. Jurnal of Brazilian Business Review. Vol. 4, No. 1. (Vitoria-ES, Brazil: 007). Hamilton James. D., Time Series Analisis I, New Jersey: Princeton University Press, 001. Jorion P. Value at Risk:The new benchmark for managing finnancial risk, nd ed., California, Nort America: McGraw-Hill, 001. JP Morgan. Risk Metrics Technical Document. 4 nd ed., New York: 1996.
13 Leblang D. ARCH and GARCH Model, Lectur Modul, University of Colorado: 001. Lo MS., Generalized Autoregressive Conditional Heteroscedasticity Time Series Model, Thesis Departemen of Statistics and Actuaria Science, Simon Fraser University, 003. Marwan, Pasar Saham, Jakarta: PT. Gramedia, 003. Plamen P, Nigokhos K. Modelling And Forecasting The Volatility Of Thin Emerging Stock Markets: (The Case Of Bulgaria: 007).
Metode 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 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 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 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 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 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 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 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 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 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 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 terperinciBAB 1 PENDAHULUAN. Dalam rangka mengembangkan pasar modal syariah, PT. Bursa Efek Jakarta
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam rangka mengembangkan pasar modal syariah, PT. Bursa Efek Jakarta (BEJ) bersama dengan PT. Danareksa Invesment Management (DIM) telah meluncurkan Indeks saham
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 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 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 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 terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih 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 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 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 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 terperinciPemodelan dan Peramalan Penutupan Harga Saham Harian Jakarta Islamic Index Model Garch
EKBISI, Vol. IX, No. 1, Desember 2014, hal. 57-66 ISSN:1907-9109 Pemodelan dan Peramalan Penutupan Harga Saham Harian Jakarta Islamic Index Model Garch Ahmad Syarif 1 Fakultas Syariah dan Hukum UIN Sunan
Lebih terperinciBAB 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 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 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 terperinciPERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 ABSTRACT
PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 Boy A Lumban Gaol 1, Tumpal Parulian Nababan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1
Lebih terperinciBAB II 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 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 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 terperinciData return 7 mata uang asing diuji dengan beberapa pengujian yang meliputi tes stasionaritasitas, tes normal dan tes heteroskedastik.
40 Tabel 4.2. Gambaran Statistik Data Return NAB Schroder dan Trimegah Parameter Statistik Schroder Dana Istimewa in the out the Schroder dana Prestasi in the out the Trim Kapital in the out the Mean 0.00182-0.00123
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 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 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 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 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 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 terperinciDisusun oleh : Nur Musrifah Rohmaningsih Skripsi. Sebagai Salah Satu Syarat untuk Memperoleh Gelar
PEMODELAN DAN PERAMALAN NILAI RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (APARCH) Disusun oleh : Nur Musrifah Rohmaningsih 24010211120019
Lebih terperinciBAB III 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 V PENUTUP. Secara umum risiko merupakan ketidakpastian tentang peristiwa masa depan atas
BAB V PENUTUP V.1 Kesimpulan Secara umum risiko merupakan ketidakpastian tentang peristiwa masa depan atas hasil yang diinginkan atau tidak diinginkan (Griffin, 2002: 715). Dalam konteks keuangan, risiko
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 terperinciBAB I PENDAHULUAN. (variables) seperti harga, volume instrumen, dan varian (variance) yang berubah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Selama beberapa tahun terakhir ada banyak perubahan pada lembaga keuangan dalam mengevaluasi dan mengukur risiko. Usaha perbaikan regulasi berkaitan dengan
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 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 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 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 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 terperinciAnalisis Volatilitas Lima Saham Berbeda Sektor pada Indeks Kompas100 dengan Metode ARCH-GARCH
PROSDNG SKF 015 Analisis Volatilitas Lima Saham Berbeda Sektor pada ndeks Kompas100 dengan Metode ARCH-GARCH Srie Soedewi1,a) dan Acep Purqon1,b) 1 Laboratorium Fisika Sistem Kompleks, Kelompok Keilmuan
Lebih terperinciPERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
Lebih terperinciPerhitungan Value at Risk (VaR) Berdasarkan Model Autoregressive Conditional Heteroscedasticity (ARCH)
Prosiding Statistika ISSN: 2460-6456 Perhitungan Value at Risk (VaR) Berdasarkan Model Autoregressive Conditional Heteroscedasticity (ARCH) 1 Wahyuni Fatma Mufti, 2 Sutawanir Darwis, 3 Nusar Hajarisman
Lebih terperinciAnalisis Risiko Investasi Saham Syariah Dengan Model Value AT Risk-Asymmetric Power Autoregressive Conditional Heterocedasticity (VaR-APARCH)
JURNAL FOURIER April 2017, Vol. 6, No. 1, 37-43 ISSN 2252-763X; E-ISSN 2541-5239 Analisis Risiko Investasi Saham Syariah Dengan Model Value AT Risk-Asymmetric Power Autoregressive Conditional Heterocedasticity
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 655-662 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciPENANGANAN MASALAH HETEROSKEDASITAS DENGAN MODEL ARCH-GARCH DAN MODEL BLACK-SCHOLES MOSES ALFIAN SIMANJUNTAK
PENANGANAN MASALAH HETEROSKEDASITAS DENGAN MODEL ARCH-GARCH DAN MODEL BLACK-SCHOLES MOSES ALFIAN SIMANJUNTAK SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER
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 terperinciPenerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral
Jurnal Sains Matematika dan Statistika, Vol 2, No I, Januari 206 Penerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral Ari Pani Desvina, Nadyatul Rahmah 2,2 Jurusan Matematika Fakultas
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 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 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 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 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 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 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 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. 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 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 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 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 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 terperinciAnalisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH
Analisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH Khoiru Liummah Ayu Nastiti, Agus Suharsono Jurusan Statistika, Fakultas MIPA, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief
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 terperinciOPTIMALISASI PORTOFOLIO MENGGUNAKAN CAPITAL ASSET PRICING MODEL (CAPM) DAN MEAN VARIANCE EFFICIENT PORTFOLIO (MVEP) (Studi Kasus: Saham-Saham LQ45)
OPTIMALISASI PORTOFOLIO MENGGUNAKAN CAPITAL ASSET PRICING MODEL (CAPM) DAN MEAN VARIANCE EFFICIENT PORTFOLIO (MVEP) (Studi Kasus: Saham-Saham LQ45) SKRIPSI Oleh: MARDISON PURBA 24010210141022 JURUSAN STATISTIKA
Lebih terperinciMODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) UNTUK PREDIKSI DAN AKURASI HARGA SAHAM MASA DEPAN
MODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) UNTUK PREDIKSI DAN AKURASI HARGA SAHAM MASA DEPAN GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) MODEL FOR PREDICTION
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciSonia Agustin Waruwu. Kata kunci : Manajemen Risiko, Kontrak Berjangka, Value at Risk, Volatilitas, ARCH/GARCH
ANALISIS VALUE AT RISK UNTUK PENGUKURAN VOLATILITAS DAN RISIKO PASAR SEBAGAI DASAR PENGAMBILAN KEPUTUSAN PADA KONTRAK BERJANGKA IN DI JAKARTA FUTURES EXCHANGE PERIODE 2010-2013 VALUE AT RISK ANALYSIS FOR
Lebih terperinciBAB I PENDAHULUAN. utama yang dipertimbangkan industri keuangan. Seperti yang dikemukakan oleh Jorion
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Risk management atau manajemen risiko saat ini merupakan salah satu prioritas utama yang dipertimbangkan industri keuangan. Seperti yang dikemukakan oleh Jorion
Lebih terperinciAnalisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 2) ISSN: 2-928X D-29 Analisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH Khoiru Liummah Ayu Nastiti, Agus Suharsono Jurusan Statistika,
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 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 terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK oleh APRILIA AYU WIDHIARTI M0111010 SKRIPSI ditulis dan diajukan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 635-643 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERHITUNGAN VALUE AT RISK MENGGUNAKAN MODEL INTEGRATED GENERALIZED
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 terperinciPERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER
PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER (Studi Kasus Indeks Harga Saham Gabungan dan Harga Minyak Mentah Dunia Tahun 2013 sampai 2015) SKRIPSI Oleh: DEBY FAKHRIYANA 24010212130041
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 terperinciProgram Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 375-384 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian OPTIMASI VALUE AT RISK REKSA DANA MENGGUNAKAN METODE ROBUST
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 IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Jakarta Islamic Index (JII) diluncurkan oleh PT. Bursa Efek Indonesia (BEI) bekerja sama dengan PT. Danareksa Investment Management (DIM) pada pertengahan tahun
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 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 terperinciAnalisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH
Seminar Hasil Tugas Akhir 2012 Analisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH Oleh Khoiru Liummah Ayu Nastiti 1308 100 102 Dosen Pembimbing Drs. Agus Suharsono, MS 19580823 198403
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 terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
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 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 terperinciPENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH
PENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH Gatri Eka K 1, Vebriani Safitry 2, Yesika Kristin 3 Program Studi Matematika, Universitas
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 terperinciFOURIER April 2013, Vol. 2, No. 1, 1 12
FOURIER April 2013, Vol. 2, No. 1, 1 12 PERBANDINGAN BERBAGAI MODEL CONDITIONALLY HETEROSCEDASTIC TIME SERIES DALAM ANALISIS RISIKO INVESTASI SAHAM SYARIAH DENGAN METODE VALUE AT RISK Mohammad Farhan Qudratullah
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 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 terperinciEXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) DAN SEMI VARIANS (SV)
EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) DAN SEMI VARIANS (SV) 3.1 Exponentially Weighted Moving Average Perhitungan standar deviasi yang dijelaskan pada bab sebelumnya mempunyai asumsi bahwa volatilitas
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 terperinci