Rizky Amalia Hanum
(2011)
Pemodelan Generalized Autoregresssive Conditional Heteroscedasticity (GARCH) Pada Return Saham LQ45 dengan Metode Exact Likelihood.
Skripsi thesis, UNIVERSITAS AIRLANGGA.
Abstract
Model Generalized Autoregressive Conditonal Heteroscedasticity (GARCH) sama halnya dengan model Autoregresssive Conditional Heteroscedasticity (ARCH) yaitu berguna untuk memodelkan data time series yang asumsi variansi errornya adalah konstan tidak dipenuhi. Pemodelan GARCH merupakan pemodelan Autoregressive Moving Average (ARMA) pada variansi error sedangkan model ARCH merupakan pemodelan Autoregressive (AR) pads variansi error. Apabila suatu data yang mengandung kasus heteroscedastic hanya dimodelkan dengan menggunakan model ARIMA biasa, maka akan menghasilkan selang kepercayaan yang tidak sesuai dengan keadaan sesungguhnya. Dalam financial market, selang kepercayaan merupakan suatu hal yang sangat penting karena hal ini mempengaruhi jual beli saham. Bentuk umum model GARCH(m,n) didefmisikan sebagai berikut :
m n
=u, ao +E a, 62
,_, +E fjh,_;
dengan u, berdistribusi normal standar, a 0 > o , a, 0 ,dan Q; > 0 untuk i=1,...,m dan j=1,...,n.
Skripsi ini bertujuan untuk mendapatkan estimasi model GARCH dengan menggunakan metode exact likelihood pads return saham yang mengandung kasus heteroscedastic dan mendapatkan model GARCH terbaik pada return saham LQ45.
Model GARCH terbaik menggunakan metode Exact Likehood pada return saham LQ45 adalah:
Z, = -0,39319et_9 + s, ,
6, = u, V0,01641 + 0,803206,2_8 + 0,30599hf_8
dengan u, berdistribusi normal standart. Berdasarkan data tersebut, peramalan dengan menggunakan model GARCH memberikan interval peramalan (batas atas dan batas bawah) yang lebih baik dibanding peramalan tanpa menggunakan model GARCH.
Actions (login required)
 |
View Item |
