PERBANDINGAN SENSITIVITAS MODEL MARKOWITZ, EWMA, DAN GARCH TERHADAP PERUBAHAN NILAI VOLATILITAS DALAM PEMBETUKAN PORTOFOLIO INVESTASI
|
|
- Sugiarto Sutedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 PERBANDINGAN SENSITIVITAS MODEL MARKOWITZ, EWMA, DAN GARCH TERHADAP PERUBAHAN NILAI VOLATILITAS DALAM PEMBETUKAN PORTOFOLIO INVESTASI Komang Dharmawan Jurusan Matematika, FMIPA, Universitas Udayana, Bali Komang_Dharmawan@yahoo.com.au Abstrak Dalam teori portofolio mean-variance yang dikembangkan oleh Markowitz, portofolio disusun berdasarkan asumsi bahwa harga saham tidak bergerak secara dinamis selama investasi, atau pergerakan harga saham memiliki nilai volatilitas yang sama dengan situasi pasar modal yang terjadi saat ini maupun dimasa yang akan datang. Ini berarti portofolio yang disusun tidak merefleksikan keadaan pasar yang sesungguhnya. Model lain yang dianggap lebih dapat menjelaskan keadaan pasar yang bergerak secara dinamis, yaitu model EWMA (exponentially weighted moving average), model ini memberikan bobot yang lebih besar pada data paling baru. Jadi kodisi pasar terakhir akan dilibatkan dengan bobot yang lebih besar dalam memprediksi matriks varians-kovarians. Model lain yang dapat menangani berfluktuasinya nilai volatilitas suatu harga saham adalah model GARCH. Kedua model ini dipakai untuk memprediksi matrik varians-kovarians dengan asumsi bahwa volatilitas yang diwakili oleh varians dari harga saham berubah secara dinamis. Makalah ini membahas sensitifitas model Markowitz, EWMA, dan GARCH dalam pemilihan portofolio terhadap perubahan nilai volatilitas. Portofolio akan dibentuk menggunakan empat harga saham penutupan, yaitu Exelcomindo, Aneka Tambang, Gudang Garam, dan Indosat tahun Dari hasil studi empiris ditemukan bahwa metode EWMA yang paling sensitif terhadap perubahan volatilitas dibandingkan dengan metode GARCH dan Markowitz Keywords: Teori Portofolio Markowitz, Pemilihan Portofolio mean-variance, exponentially weighted moving average (EWMA), generalized autoregressive conditional heteroscedasticity (GARCH). 1. Pendahuluan Setiap investor mengetahui bahwa akan ada suatu risk-return tradeoff atau pertukaran antara resiko dan imbal hasil (return), yaitu apabila investor bersedia menanggung resiko, maka akan mendapatkan imbalan berupa imbal hasil yang lebih tinggi. Jadi jika seorang inverstor ingin mendapatkan imbal hasil yang lebih besar maka investor harus bersedia menanggung resiko yang lebih tinggi (high risk high return). Adanya resiko ini telah membuat manajer investasi lebih bijak dalam mengelola dana dalam arti, penggunaan teori-teori ekonomi atau matematika akan menjadi landasan utama dalam pengambilan keputusan investasi. 1
2 Salah satu teori investasi yang banyak digunakan dalam pengelolaan portfolio adalah teori Markowitz. Memanfaatkan teori ini dalam praktek memerlukan beberapa asumsi, salah satunya adalah asumsi data bersifat normal dan stasioner dalam rataan atau varians. Atau lebih tegasnya teori Markowitz mengasumsikan bahwa eror data harus mengikuti pola homoskedastik (atau varian eror besifat stasioner). Menurut penelitaian yang dilakukan oleh Mandeibrot (1963), data finansial seperti harga saham memiliki ekor yang lebih gemuk dari distribusi normal dan perubahan harga cendrung bersifat cluster artinya perubahan harga saham yang besar cendrung diikuti oleh perubahan yang besar juga. Sebaliknya perubahan yang kecil pada harga saham akan diikuti oleh perubahan yang kecil pula. Dengan demikian penggunaan teori Markowitz untuk data finasial mengakibatkan terjadinya pelanggaran asumsi-asumsi tersebut di atas. Horasanh dan Fidan (2006) dalam papernya mengusulkan penggunaan Exponentially Weighted Moving Average (EWMA) dan Generelised Autoregressive Conditional Heteroscedasticity (GARCH) untuk mengekspresikan dinamika harga saham dan dapat mengurangi estimation errors. Penggunaan EWMA lebih merefleksikan kondisi riil dinamika harga saham karena memberikan bobot yang lebih besar pada data harga saham yang terbaru sedangkan metode GARCH dapat mengatasi dinamika volatilitas harga saham yang nonstasioner. Dalam makalah ini model Markowitz, model EWMA, dan model GARCH dibahas, kurva efficient frontier untuk ketiga metode juga disajikan, kemudian sensitifitas ketiga model tersebut terhadap perubahan volalititasnya juga diamati. Portofolio akan dibentuk menggunakan empat harga saham penutupan, yaitu Exelcomindo, Aneka Tambang, Gudang Garam, dan Indosat tahun Model Portofolio Mean-Variance (M-V) Portofolio mean-variance yang efisien bisa dicapai dengan dua cara yaitu; meminimumkan risiko (variance) untuk keuntungan (mean return) tertentu atau memaksimalkan rata-rata keuntungan (mean return) dengan menanggung risiko (variance) tertentu. Menurut teori portofolio M-V, distribusi peluang dari harga saham diasumsikan diketahui, dan nilai imbal hasil dari setiap portofolio dihitung menggunakan nilai ekspektasi dari portofolio tersebut dan resiko dihitung menggunakan varians dari portofolionya. Menurut Markowitz, teori M-V dapat dijabarkan sebagai berikut. Misalkan seseorang ingin menginvestsikan modalnya pada sejumlah n saham yang berbeda, misalkan juga nilai ekspektasi keuntungan masing-masing saham adalah maka 2
3 dimana, adalah proporsi modal yang diinvestasikan pada saham ke-i, dan adalah nilai ekspektasi keuntungan portofolio. Misalkan varians dari masing-masing kuntungan dari masing saham adalah dan varians dari portofolio adalah, dan misalkan covariansi dari saham i dan saham j adalah, maka dengan portofolio, saham dan, saham i dan j (dalam hal ini Menggunakan cara penulisan yang standar, masalah optimasi dapat dituliskan dalam bentuk Masalah optimasi di atas adalah masalah optimasi quadratic programming yang diselesaikan dengan menggunakan fungsi QUADPROG pada MATLAB. 3. Exponentially Weighted Moving Average Metode ini memberikan bobot yang lebih besar untuk data yang terbaru dalam menaksir matrik varians-covarians. Penggunaan model ini untuk peramalan beberapa tipe data ekonomi yang bersifat tak stasioner akan memberikan hasil yang lebih tepat, walaupun metoda tersebut tidak mampu untuk memberikan hasil yang efisien untuk semua deret waktu. Proses EWMA didefinisikan dengan parameter peluruhan dan nilai adalah data return saham. Model EWMA mengasumsikan bahwa volatilitas tidak konstan selama investasi berlangsung. Oleh karena itu teknik EWMA menyediakan model volatilitas yang lebih akurat untuk hubungan antara keuntungan harga saham. Observasi data yang baru didapat 3
4 denga memberikan bobot data sebelumnya dan mengalikan masing-masing suku dengan kemudian hasil kalinya dibagi dengan suku berikut Misalkan adalah standar deviasi dari data runtun waktu pada waktu t+1 dan adalah return pada waktu t maka: Persamaan (7) menekankan bahwa pada setiap observasi data yang baru volatilitas dari saham berubah. Oleh karena itu menurut Engle s (1982), data terbaru akan memberikan informasi tentang peramalan varians satu periode. Model EWMA adalah bentuk khusus dari tipe GARCH (1,1) yang dimodelkan oleh Bollerslev (1986). EWMA didapat dengan mengasumsikan bahwa salah satu dari parameter model GARCH sama dengan nol. Oleh karena itu EWMA dapat dikatakan sebagai model GARCH yang lebih sederhana karena hanya satu parameter yang digunakan sebagai input. Taksiran kovarian dapat dihitung dengan menggunakan rumus Model di atas mengasumsikan suatu hubungan linear antara dua saham. RiskMetrics menggunakan model di atas untuk menghitung volatilitas. Model ini bergantung pada parameter yang dikenal dengan nama factor peluruhan. Faktor ini secara langsung mempengaruhi hasil perhitungan volatilitas. Dengan memilih nilai factor ini mendekati 1, biasanya dipilih 0,94 atau 0,095, maka pengaruh data terbaru akan lebih kuat dibandingkan data yang lebih lama. 4. Generalised Autoregresif Conditional Heterokedastik (GARCH) GARCH merupakan bentuk yang lebih umum dari ARCH. Model ARCH pertama kali diperkenalkan oleh Nobelis Ekonomi 2003, F. Engle pada tahun 1982 dengan mengenalkan konsep Conditional Heterokedastik, sebuah konsep tentang ketidakkonstanan varians dari data acak, dan perubahan varians ini dipengaruhi oleh data acak sebelumnya yang tersusun dalam urutan waktu. 4
5 Model ARCH derajad q dari data acak didefinisikan ARCH(q) dengan data historis dengan K > 0, Terlihat bahwa dalam model ARCH(q) perubahan varians dipengaruhi oleh sejumlah q data acak sebelumnya. Hal ini yang akan menjadi dasar dari pengembangan model GARCH. Dalam model GARCH perubahan varians selain dipengaruhi oleh beberapa data acak sebelumnya, juga dipengaruhi oleh sejumlah varians dari data acak sebelumnya. Model umum GARCH(p,q) didefinisikan sebagai: dengan K > 0,, Masalah yang dihadapi dalam memodelkan data acak melalui model GARCH adalah menentukan koefisien, berdasarkan data acak yang sudah ada. Jika koefisien ini telah diperoleh maka nilai bisa diramalkan dengan tingkat kesalahan tertentu. GARCH cukup baik digunakan untuk memodelkan data yang berubah standar deviasinya, namun tidak untuk data yang benar-benar acak, sehingga perlu dilakukan uji terhadap korelasi data. 5. Studi empiris Portofolio yang akan dibentuk menggunakan empat harga saham penutupan, yaitu Exelcomindo, Aneka Tambang, Gudang Garam, dan Indosat tahun Setelah tingkat keuntungan R, dihitung kemudian dilakukan uji autokorelasi, yaitu dengan memplot fungsi autokorelasi (ACF) dan fungsi autokorelasi parsial (PACF). Tujuan dari langkah ini adalah untuk melihat pola alternating (tanda dan nilai autokorelasi berubah secara acak sesuai dengan berjalannya nilai lag). Dari keempat data return yang diuji, keempatnya data menunjukan sifat tidak stasioner dalam varians, dan stasioner lemah dalam rata-rata hitung. Selanjutnya, Uji Ljung-Box digunakan, untuk mengetahui apakah data sudah bersifat acak. Berdasarkan uji Ljung Box terhadap nilai dugaan residual kuadrat dari 5
6 keempat data return menunjukkan bahwa nilai Q lebih besar dari CV (Critical Value) atau nilai P lebih kecil dari = Ini berarti bahwa nilai dugaan residual kuadrat dari keempat saham berkorelasi yang juga berarti varians keempat saham tidak stasioner (Tabel 1). Berdasarkan uji ARCH LM terhadap nilai dugaan residual juga diperoleh nilai Q lebih besar dari CV (Critical Value) atau nilai P lebih kecil dari = 0.05 yang artinya nilai dugaan residual dari keempat saham menunjukkan adanya efek ARCH-GARCH pada data return sehingga memungkinkan peramalan menggunakan metode GARCH. Tabel 1 Uji Efek ARCH-GARCH Keempat Saham Saham Excelcomindo Uji Ljung Box Uji Ljung Box Saham Aneka Tambang Uji ARCH LM Uji ARCH LM Uji Ljung Box Uji Ljung Box Saham Gudang Garam Saham Indosat Uji ARCH LM Uji ARCH LM P Q Stat C Penentuan orde GARCH dapat dilihat dari plot ACF dan PACF residual kuadrat (plot ACF dan PACF). Beberapa model GARCH yang bisa dibentuk berdasarkan plot ACF dan PACF residual kuadrat keempat saham dapat dilihat pada Tabel 2 - Tabel 5 Tabel 2 Estimasi Parameter Model GARCH Saham Excelcomindo Model GARCH(1,1) GARCH(1,2) GARCH(2,1) GARCH(2,2) K [2.2213]* [1.8588] [2.2107]* [1.2860] G [ ]* [ ]* [0.8653] [0.3417] G [2.1404]* [0.9992] A [3.1114]* [2.0891]* [3.1073]* [2.4039]* A2 0 [0.0000] 0 [0.0000] AIC BIC Keterangan: tanda [ ]* menunjukkan T-Stat > T-tab pada. 6
7 Berdasarkan hasil estimasi koefisien GARCH saham excelcomindo yang terlihat pada tabel 2 maka diperoleh peramalan menggunakan GARCH(1,1) yang paling signifikan dilihat dari nilai T-Statistik koefisien GARCH yang lebih besar dari nilai T tabel untuk = Ini juga didukung dengan uji AIC dan BIC yang memberikan nilai minimum pada peramalan GARCH(1,1). Sehingga model GARCH(1,1) saham excelcomindo: Tabel 3 Estimasi Parameter Model GARCH Saham Aneka Tambang Model GARCH(1,1) GARCH(1,2) GARCH(2,1) GARCH(2,2) K [2.7717]* [1.8382] [2.1713]* [1.9481] G [ ]* [ ]* [1.4545] 0 [0.0000] G [4.4150]* ]* A [3.7152]* [1.7091] [4.0187]* [3.3703]* A2 0 [0.0000] [1.1634] AIC BIC Keterangan: tanda [ ]* menunjukkan T-Stat > T-tab pada. Berdasarkan hasil estimasi koefisien GARCH saham Aneka Tambang yang terlihat pada tabel 3 maka diperoleh peramalan menggunakan GARCH(1,1) yang paling signifikan dilihat dari nilai T-Statistik koefisien GARCH yang lebih besar dari nilai T tabel untuk = Ini juga didukung dengan uji AIC dan BIC yang memberikan nilai minimum pada peramalan GARCH(1,1). Sehingga model GARCH(1,1) saham Aneka Tambang: Tabel 4 Estimasi Parameter Model GARCH Saham Gudang Garam Model GARCH(1,1) GARCH(1,2) GARCH(2,1) GARCH(2,2) K [6.5614]* [3.0020]* [6.3293]* [1.6961] G [9.7322]* [3.6750]* [1.0661] 0 [0.0000] G [0.9985] [0.4322] A [4.4399]* [3.7888]* [4.3211]* [3.6393]* A2 0 [0.0000] [0.7615] AIC BIC Keterangan: tanda [ ]* menunjukkan T-Stat > T-tab pada. Berdasarkan hasil estimasi koefisien GARCH saham Gudang Garam yang terlihat pada tabel 4 maka diperoleh peramalan menggunakan GARCH(1,1) yang paling signifikan dilihat dari nilai T-Statistik koefisien GARCH yang lebih besar dari nilai T tabel untuk. Ini juga didukung dengan uji AIC dan BIC yang memberikan nilai minimum pada peramalan GARCH(1,1). Sehingga model GARCH(1,1) saham Gudang Garam: 7
8 Tabel 5 Estimasi Parameter Model GARCH Saham Indosat Model GARCH(1,1) GARCH(1,2) GARCH(2,1) GARCH(2,2) K [4.8274]* [5.0747]* [4.2119]* [5.0545]* G [2.7753]* 0 [0.0000] [0.0000] [2.4157]* G2 0 [0.0000] 0 [0.0000] A [4.2876]* [2.7339]* [4.1180]* [2.5280]* A [4.0042]* [3.5074]* AIC BIC Keterangan: tanda [ ]* menunjukkan T-Stat > T-tab pada. Berdasarkan hasil estimasi koefisien GARCH saham Indosat yang terlihat pada tabel 4.9 maka diperoleh peramalan menggunakan GARCH(1,1) yang paling signifikan dilihat dari nilai T-Statistik koefisien GARCH yang lebih besar dari nilai T tabel untuk = Ini juga didukung dengan uji AIC dan BIC yang memberikan nilai minimum pada peramalan GARCH(1,1). Sehingga model GARCH(1,1) saham Indosat: Tahap selanjutnya adalah perhitunga matrik varians-kovarian yang hasilnya dapat dilihat pada tabel berikut: Tabel 6 Varians - Kovarians Metode Markowitz: Saham Excelcomindo Aneka Tambang Gudang Garam Indosat Excelcomindo Aneka Tambang Gudang Garam Indosat Tabel 7 Varians - Kovarians Metode EWMA: Saham Excelcomindo Aneka Tambang Gudang Garam Indosat Excelcomindo Aneka Tambang Gudang Garam Indosat Tabel 8 Varians - Kovarians Metode GARCH Saham Excelcomindo Aneka Tambang Gudang Garam Indosat Excelcomindo Aneka Tambang Gudang Garam Indosat Matrik varians-kovarian (Tabel 6- Tabel 8) dipakai sebagai masukan untuk fungsi QUADPROG pada MATLAB, yang hasilnya dapat disajikan dalam bentuk grafik efficient frontier seperti Gambar 1 8
9 Gambar 1. Efficient frontier Gambar 1 menggambarkan pada risiko tingkat kerugian yang diperoleh menggunakan metode Markowitz memberikan nilai terkecil dibandingkan dengan menggunakan metode EWMA dan GARCH. Jika dilihat dari nilai tingkat kerugian pada risiko terkecil diperoleh dengan menggunakan metode Markowitz dibandingkan metode EWMA dan GARCH. Jadi dapat disimpulkan bahwa jika dilihat dari level tingkat kerugian dan risiko portofolio, metode Markowitz memberikan risiko yang lebih kecil dibandingkan dengan metode EWMA dan GARCH ini terlihat dari garis efficient frontier metode Markowitz terletak di sebelah kiri garis efficient frontier metode GARCH dan EWMA. Sedangkan jika dilihat dari level sensitivitas metode EWMA dan GARCH terihat lebih curam dibandingkan dengan metode Markowitz yang mengindikasikan bahwa adanya sedikit perubahan pada risiko portofolio akan memberikan perubahan yang cukup besar pada return portofolio. Slope masing-masing grafik efficient frontier, pada selang tingkat kerugian 3, sampai untuk metode Markowitz, GARCH dan EWMA berturut-turut adalah 0,3; 0,5; 0,7. Ini berarti metode EWMA yang paling sensitif terhadap perubahan volatilitas dibandingkan dengan metode GARCH dan Markowitz. Hasil yang berbeda diperoleh oleh Horasanli dan Fidan (2006) yang menyatakan metode EWMA pada pembentukan portofolio memberikan risiko yang paling kecil dan paling sensitif. Perbedaan ini disebabkan karena perbedaan banyaknya jenis saham yang digunakan dalam pembentukan portofolio serta perbedaan banyaknya data yang digunakan, dimana pada penelitian ini menggunakan empat jenis saham berbeda dan sebanyak 235 data untuk masing-masing saham sedangkan pada penelitian yang dilakukan oleh Horasanli dan Fidan 9
10 (2006) menggunakan lima belas jenis saham berbeda dengan 100 data untuk masingmasing saham. Selain itu pada penelitian ini pergerakan harga saham sedang kacau karena adanya krisis global. DAFTAR PUSTAKA Bollerslev,T. Generalised Autoregresif Conditional Heteroskedasticity, Journal of Econometrics Box, G.E.P., G.M. Jenkins, and G.C. Reinsel, Time Series Analysis: Forecasting and Control, Third edition, Prentice Hall, Capiński, Marek and Tomasz Zastawniak, Mathematics for Finance An Introduction to Financial Engineering, Springer, United States of Amerika, Engle F.R. Autoregresif Conditional Heteroskedasticity with Estimates of the Variance of United Kingdom Inflation,1982. Hillier, Frederick S. and Gerald J.Lieberman, Introduction to Operation Research, Fifth Edition, McGraw Hill International Edition, Singapura, Horasanli,M and Neslihan F. Portofolio Selection by Using Time Varying Covariance Matrices. Faculty of business Administration Luenberger, David G., Investment Science, Stanford University, New York, Scherer, Bernd and Martin. Introduction to Modern Portfolio Optimization With NUOPT and S-PLUS, Springer, United State of Amerika, Surya,Y dan Yun H. Garch (2,1) pada LQ45. Bandung Fe Institute Tsay, R.S. (2002). Analysis of Financial Time Series: Financial Econometrics. John Wiley & Sons, Inc. New York. Wei, W.W.S. (1990). Time Series Analysis: Univariate and Multivariate Methods. Addison-Wesley Publishing Company, Inc. Canada. Winston, Wayne L. Operation Research Application and Algorithms, Third Edition, International Thomson Publishing, Belmont: California,
BAB 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 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 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 terperinciEFFICIENT FRONTIER. Efficient Frontier. 3.3 x Return Simulasi Monte Carlo EWMA GARCH Markowitz 2.8
EFFICIENT FRONTIER 3.3 x 10-3 Efficient Frontier 3.2 3.1 Return 3 2.9 2.8 Simulasi Monte Carlo EWMA GARCH Markowitz 2.7 0.0158 0.016 0.0162 0.0164 0.0166 0.0168 0.017 0.0172 0.0174 0.0176 Risk 1. Dalam
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 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 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 terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinciBAB 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 terperinciPEMILIHAN PORTOFOLIO DENGAN MENGGUNAKAN EXPONENTIALLY WEIGHTED MOVING AVERAGE
PEMILIHAN PORTOFOLIO DENGAN MENGGUNAKAN EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) DAN GENERALISED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH) Nama Mahasiswa : Putu Ayu Gatrani S. NRP : 126
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 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 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 terperinciMENENTUKAN PORTOFOLIO OPTIMAL MENGGUNAKAN MODEL CONDITIONAL MEAN VARIANCE
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 82-89 ISSN: 2303-1751 MENENTUKAN PORTOFOLIO OPTIMAL MENGGUNAKAN MODEL CONDITIONAL MEAN VARIANCE I Gede Ery Niscahyana 1, Komang Dharmawan 2, I Nyoman Widana
Lebih 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 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 terperinciPERHITUNGAN VaR PORTOFOLIO SAHAM MENGGUNAKAN DATA HISTORIS DAN DATA SIMULASI MONTE CARLO
1 e-jurnal Matematika Vol. 1 No. 1 Agustus 2012 PERHITUNGAN VaR PORTOFOLIO SAHAM MENGGUNAKAN DATA HISTORIS DAN DATA SIMULASI MONTE CARLO WAYAN ARTHINI 1, KOMANG DHARMAWAN 2, LUH PUTU IDA HARINI 3 1, 2,
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 terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
Lebih terperinciPERHITUNGAN VaR PORTOFOLIO SAHAM MENGGUNAKAN DATA HISTORIS DAN DATA SIMULASI MONTE CARLO
PERHITUNGAN VaR PORTOFOLIO SAHAM MENGGUNAKAN DATA HISTORIS DAN DATA SIMULASI MONTE CARLO WAYAN ARTHINI 1, KOMANG DHARMAWAN 2, LUH PUTU IDA HARINI 3 1, 2, 3 Jurusan Matematika FMIPA Universtitas Udayana,
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 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 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 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 terperinciABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan
Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
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 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 terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER I Ketut Putra Adnyana 1, I Wayan Sumarjaya 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas FMIPA
Lebih terperinciSEMINAR TUGAS AKHIR. Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik. Rina Wijayanti
SEMINAR TUGAS AKHIR Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik Rina Wijayanti 1306100044 Pembimbing Drs. Haryono, MSIE Dedi Dwi Prastyo, S.Si., M.Si.
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
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 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. 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 terperinciPERHITUNGAN NILAI BETA DARI BEBERAPA SAHAM UNGGULAN DI INDONESIA DENGAN MENGGUNAKAN METODE GARCH
E-Jurnal Matematika Vol. 5 (2), Mei 216, pp. 67-75 ISSN: 233-1751 PERHITUNGAN NILAI BETA DARI BEBERAPA SAHAM UNGGULAN DI INDONESIA DENGAN MENGGUNAKAN METODE Ni Kadek Puspitayanti 1, Komang Dharmawan 2,
Lebih 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 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 terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
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 terperinciPrediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA
Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPERHITUNGAN NILAI BETA DARI BEBERAPA SAHAM UNGGULAN DI INDONESIA DENGAN MENGGUNAKAN METODE GARCH
E-Jurnal Matematika Vol. 5 (2), Mei 216, pp. 67-75 ISSN: 233-1751 PERHITUNGAN NILAI BETA DARI BEBERAPA SAHAM UNGGULAN DI INDONESIA DENGAN MENGGUNAKAN METODE Ni Kadek Puspitayanti 1, Komang Dharmawan 2,
Lebih terperinciPERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M)
PERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M) (Studi Kasus pada Return Harga Saham PT. Wijaya Karya) SKRIPSI Disusun Oleh : Dwi Hasti
Lebih 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 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. 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 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 terperinciAnalisis Statistik Faktor Faktor Yang Mempengaruhi Pergerakan Harga Saham di Bursa Efek Indonesia (BEI) Menggunakan Regresi Time Series
Analisis Statistik Faktor Faktor Yang Mempengaruhi Pergerakan Harga Saham di Bursa Efek Indonesia (BEI) Menggunakan Regresi Time Series Theresia Desy M ), Haryono ) ) Mahasiswa Jurusan Statistika FMIPA
Lebih terperinciBAB 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 terperinciBAB II TINJAUAN PUSTAKA. dana tersebut. Umumnya investasi dikategorikan dua jenis yaitu:
BAB II TINJAUAN PUSTAKA 2.1 Teori Investasi Menurut Kamaruddin (2004), investasi adalah menempatkan dana atau uang dengan harapan untuk memperoleh tambahan atau keuntungan tertentu atas uang atau dana
Lebih terperinciKEUNIKAN MODEL BLACK LITTERMAN DALAM PEMBENTUKAN PORTOFOLIO 1. Abstract
KEUNIKAN MODEL BLACK LITTERMAN DALAM PEMBENTUKAN PORTOFOLIO 1 Retno Subekti 2 Abstract Teori pembentukan portofolio diawali oleh Markowitz dengan mean-variancenya di tahun 50an. Selanjutnya bermunculan
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 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 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 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 terperinciPERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK
PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK Reza Mubarak ) dan Suhartono ) ) Program Pasca Sarjana Jurusan Statistika, Institut
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 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 terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih 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 terperinciPEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA
PEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA SKRIPSI Disusun Oleh: UMI SULISTYORINI ADI 24010212140082 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciKajian Simulasi terhadap Sensitivitas Portofolio Optimal Model Mean-Variance
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Kajian Simulasi terhadap Sensitivitas Portofolio Optimal Model Mean-Variance S - 2 Epha Diana Supandi 1,2, Dedi Rosadi 2, Abdurakhman 2 1
Lebih terperinciPeramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah
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 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 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 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 terperinciPREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32
PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32 Nanang WIdodo Penelid Staslun Pengamat Dlrgantara Watukosek, LAPAN ABSTRACT The time series of the monthly number
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 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 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 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 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 terperinciBAB I PENDAHULUAN. memberikan informasi tentang rata-rata bersyarat pada Y
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari- hari sering dijumpai data time series yang terdiri dari beberapa variabel yang saling terkait yang dinamakan dengan data time series
Lebih terperinciBAB 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 terperinciPENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH
PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH Tri Mulyaningsih ), Budi Nurani R ), Soemartini 3) ) Mahasiswa Program Magister Statistika Terapan Universitas Padjadjaran
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 terperinciPERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED PARETO DISTRIBUTION UNTUK PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 361-371 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
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 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 I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Indeks harga saham merupakan suatu indikator yang menunjukkan pergerakan harga saham dalam suatu periode, dengan adanya indeks maka dapat diketahui tren yang
Lebih terperinciPERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT
PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,
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 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 terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
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 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 II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial
BAB II TINJAUAN PUSTAKA Berikut teori-teori yang mendukung penelitian ini, yaitu konsep dasar peramalan, konsep dasar deret waktu, proses stokastik, proses stasioner, fungsi autokovarians (ACVF) dan fungsi
Lebih 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 terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR IMPOR DAN EKSPOR MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR IMPOR DAN EKSPOR MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING Sisca Rahma Dwi, Sugiyanto, dan Yuliana Susanti Program Studi
Lebih terperinciPemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA 1 Harnum Annisa Prafitia dan 2 Irhamah
Lebih 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 terperinciOPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA)
OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA) Ni Putu Deviyanti 1, Ni Ketut Tari Tastrawati 2, I Wayan Sumarjaya 3 1 Jurusan
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 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