BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan

Transkripsi

1 BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Pemodelan data keuangan mengalami perkembangan yang cukup pesat terlebih karena kemajuan teknologi dan informasi yang memungkinkan pencatatan data yang lebih teliti mengenai transaksi yang terjadi. Adanya kemampuan pencatatan data frekuensi tinggi (ultra high frequency data) mengilhami munculnya model ACD (Autoregressive Conditional Duration) yang memungkinkan pemodelan durasi pada data dengan interval waktu yang sempit dan tak reguler. Hal lain yang pasti terdapat dalam data keuangan selain durasi dari waktu antar transaksi adalah perubahan harga. Sejauh ini, pemodelan dengan menggunakan perubahan harga yang lebih banyak dikenal, populer, dan banyak digunakan untuk peramalan seperti misalnya model Autoregressive (AR), Moving Average (MA), Autoregressive Moving Average (ARMA), Autoregressive Conditional Heteroscedasticity (ARCH), dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Dua hal penting dalam data keuangan di atas mempunyai peranan penting dalam peramalan untuk waktu selanjutnya. Akan tetapi pemodelan yang menggabungkan keduanya belum terlalu banyak dibahas dan digunakan dalam peramalan. Untuk itulah, obyek utama penelitian ini adalah data keuangan dalam bentuk penjualan saham tertentu dengan melihat pada durasi berdasar pada perubahan harga transaksinya. Banyak transaksi dalam ultra high frequency data yang tidak menghasilkan perubahan harga. Transaksi tersebut memiliki relevansi yang tinggi terhadap perdagangan, akan tetapi tidak memiliki informasi terarah mengenai pergerakan harganya. Oleh sebab itu, untuk menyederhanakan kompleksitas yang muncul pada pemodelan perubahan harga, penelitian ini akan memfokuskan pada transaksi yang menghasilkan perubahan harga. 1

2 2 Salah satu model yang dapat digunakan untuk peramalan dan analisis waktu antar transaksi (durasi) berdasarkan adanya perubahan harga adalah Price Change and Duration (PCD). Model ini terinspirasi dari dua model pada ultra high frequency data yakni model Autoregressive Conditional Duration (ACD) yang dikemukakan oleh Engle dan Russel (1998) serta Decomposition Model for Price Change yang dikemukakan oleh Rydberg dan Shepard (1998). Model durasi dan perubahan harga (Price Change and Duration) yang selanjutnya disebut PCD merupakan suatu model yang menggambarkan dinamika multivariat dari perubahan harga dalam hubungannya dengan perubahan waktu (durasi). Menurut McCulloch dan Tsay (2001) serta Tsay (2005) PCD memanfaatkan informasi durasi antar perubahan harga, banyaknya perdagangan yang tidak mengalami perubahan harga, arah perubahan harga (naik atau turun), dan ukuran seberapa besar perubahan harga yang terjadi. 1.2.Rumusan Masalah Rumusan masalah dalam penelitian ini adalah bagaimana melakukan inferensi parameter pada model PCD (Price Change and Duration) sebagai model bivariat yang mencoba memodelkan dua faktor utama dalam data keuangan yakni harga dan interval waktu antar transaksi. 1.3.Tujuan dan Manfaat Penelitian Penelitian ini bertujuan untuk : 1. Mempelajari model PCD (Price Change and Duration) sebagai salah satu model dalam analisis runtun waktu terutama untuk data frekuensi tinggi (ultra high frequency data). 2. Dapat menggunakan atau mengaplikasikan model PCD tersebut terhadap suatu data runtun waktu terutama untuk data frekuensi tinggi (ultra high frequency data).

3 3 Manfaat dalam penelitian ini adalah sebagai berikut : 1. Secara umum diharapkan dapat memberikan sumbangan terhadap perkembangan ilmu pengetahuan dalam bidang statistika terutama statistika keuangan. 2. Secara khusus memberikan gambaran tentang pemodelan data keuangan terutama data bivariat antara durasi (interval waktu) dengan perubahan harga yang terjadi. 1.4.Tinjauan Pustaka Pemodelan data runtun waktu telah banyak dikenal terutama untuk peramalan. Begitu juga dengan pemodelan data runtun waktu dalam bidang keuangan. Untuk data runtun waktu stasioner banyak dibahas model seperti Autoregressive (AR), Moving Average (MA), Autoregressive Moving Average (ARMA). Sedangkan jika asumsi variansi konstan dihapuskan maka data berubah dari data runtun waktu stasioner menjadi data runtun waktu yang heterokedastik. Sifat ini mengilhami Engle (1982) untuk memodelkan data tersebut dalam Autoregressive Conditional Heteroscedasticity (ARCH). Kemudian seiring perkembangan zaman dan teknologi, kemampuan pencatatan data keuangan meningkat hingga dapat mencatat data frekuensi tinggi yang mempunyai interval waktu sempit dan tak reguler. Engle dan Russel (1998) memperkenalkan model Autoregressive Conditional Duration (ACD). Menurut Engle dan Russel (1998), model ACD memanfaatkan informasi waktu antar transaksi, berdasarkan pada proses cacah (counting proses), yaitu suatu proses stokastik, yang terdiri atas variabel random banyaknya event yang terjadi sampai waktu tertentu, ACD dibentuk berdasarkan densitas kondisional dari waktu-antara atau durasi. Salah satu tulisan yang mengkaji mengenai ACD ini adalah Model Durasi Kondisional Autoregresif untuk Analisis Data Runtun Waktu dengan Interval Waktu Takreguler oleh Gusbada Adi K.I. Tugas akhir ini mengkaji model ACD terutama untuk EACD (Eksponensial Autoregressive Conditional Duration), WACD (Weibull Autoregressive Conditional Duration).

4 4 Terinspirasi dengan model yang ditawarkan Engle dan Russel, McCulloch dan Tsay (2001) menggabungkan model univariat yang sudah ada menjadi bivariat. PCD merupakan model yang diperkenalkan oleh McCulloch dan Tsay (2001) sebagai model bivariat antara perubahan harga dan durasi. Dimana dari sisi perubahan harga, McCulloch dan Tsay (2001) mengikuti model yang dikemukakan oleh Rydberg dan Shepard (1998) yang mendekomposisikan perubahan harga ke dalam beberapa komponen diantaranya ada atau tidaknya perubahan harga, arah perubahan, dan besarnya perubahan harga. Alternatif yang diusulkan model PCD adalah mendekomposisikan gabungan fungsi distribusi kondisional dari dimana durasi waktu antara perubahan harga, jumlah perdagangan diantara interval yang tidak mengalami perubahan harga, arah perubahan harga, ukuran perubahan harga ke-i. Dimana masing-masing dari fungsi distribusi kondisional akan dimodelkan tersendiri sesuai karakteristik dari datanya. 1.5.Metodologi Penelitian Tesis ini dikerjakan dengan mengkaji metode secara teoritis dan studi kasus dengan mengacu pada beberapa literatur, baik yang berupa buku-buku, jurnal, maupun artikel-artikel dari internet yang berkaitan dengan materi. Studi kasus dengan mengambil kasus nyata sebagai aplikasi dari model PCD (Price Change and Duration). 1.6.Sistematika Penulisan Tesis ini disajikan dalam 5 bab. BAB I merupakan pendahuluan. Dalam bab ini akan dibahas latar belakang penulisan tesis, tujuan penelitian tesis, metode penelitian, pembatasan masalah, serta sistematika penulisan. BAB II berisi dasar teori yang membahas tentang teori dasar yang menunjang pambahasan tentang runtun waktu, model runtun waktu standar dan model runtun waktu finansial, model autoregressive conditional duration serta metode inferensi yang berguna untuk estimasi. BAB III Model Durasi dan Perubahan Harga berisi penjelasan secara menyeluruh mengenai model durasi dan perubahan harga (PCD) yang

5 5 ditemukan oleh McCulloch dan Tsay dan estimasi parameter menggunakan Markov Chain Monte Carlo. BAB IV studi kasus dimana akan diterangkan contoh kasus transaksi pada saham IBM pada tanggal 21 November 1990, proses pengolahan, dan penjelasan dari pengolahan tersebut. BAB V kesimpulan dan saran. Bab yang terakhir ini berisikan kesimpulan akhir proses dan studi kasus tentang pemodelan durasi berdasarkan perubahan harga dan juga berisikan saran penulis mengenai tesis ini sehingga bermanfaat untuk kelanjutan atau pengembangan dari pembahasan.