Pemodelan ARIMA-GARCHX dan Non Linear GARCH (NGARCH) pada Return Closing Price Saham Bank Central Asia

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

Text

Pemodelan ARIMA-GARCHX dan Non Linear GARCH (NGARCH) pada Return Closing Price Saham Bank Central Asia

Chaterina Octaviani Susanti - Nama Orang;

ABSTRAK

Return saham pada bidang finansial cenderung memiliki fluktuasi data tinggi pada setiap waktu, sehingga menunjukkan adanya sifat heteroskedastis. Return saham bidang finansial, umumnya terdapat perbedaan pengaruh bad news dan good news terhadap volatilitas data yang menyebabkan data memiliki efek asimetris. Cara mengatasi masalah heteroskedastisitas tersebut digunakan model Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Model GARCH dengan penambahan variabel eksogen dan biasa disebut GARCHX. Cara mengatasi masalah data yang memiliki efek asimetris dengan menggunakan model GARCH asimetris salah satunya model Non Linear GARCH (NGARCH). Tujuan dari penelitian ini adalah untuk mencari model terbaik ARIMA-GARCHX dan NGARCH. Model terbaik ARIMA-GARCHX adalah ARIMA ([1,18],0,[1,18])-GARCHX (1,1) dan model terbaik ARIMA-NGARCH adalah ARIMA ([1,18],0,[1,18])-NGARCH (1,1) dengan asumsi independensi dan heteroskedastis yang terpenuhi. Nilai MAPE untuk model ARIMA ([1,18],0,[1,18])-GARCHX (1,1) sebesar 42,15924% dan ARIMA ([1,18],0,[1,18])-NGARCH (1,1) sebesar 39,34075%, dengan model yang dihasilkan cukup baik namun, belum optimal.

Kata Kunci: Return saham, Heteroskedastisitas, Efek Asimetris, GARCH, GARCHX, NGARCH.

ABSTRACT

Stock returns in the financial sector tend to have high data fluctuations at any time, thus indicating the existence of heteroscedastic nature. Financial stock returns, generally there are differences in the influence of bad news and good news on data volatility which causes the data to have an asymmetrical effect. How to overcome the problem of heteroscedasticity used the Generalized Autoregressive Conditional Heteroscedasticity (GARCH) model. GARCH model with the addition of exogenous variables and commonly called GARCHX. Meanwhile, to overcome data problems that have asymmetrical effects, asymmetric GARCH models are used, one of them is Non Linear GARCH (NGARCH) model. The purpose of this research is to find the best ARIMA-GARCHX and NGARCH models. The best ARIMA-GARCHX models are ARIMA ([1,18], 0, [1,18]) - GARCHX (1,1) and the best ARIMA-NGARCH models are ARIMA ([1,18], 0, [1,18 ]) - NGARCH (1,1) with independent and heteroscedastic assumptions that are met. MAPE value for ARIMA ([1,18], 0, [1,18]) - GARCHX (1,1) model is 42,15924% and ARIMA ([1,18], 0, [1,18 ]) - NGARCH (1,1) model is 39,34075% with the model produced quite good but not optimal.

Keywords: Stock return, Heteroscedasticity, Asymmetric Effects, GARCH, GARCHX, NGARCH.

Ketersediaan

794E20III 794 E 20iii Perpustakaan FSM Undip (Referensi) Tersedia

Informasi Detail

Judul Seri: STATISTIKA
No. Panggil: 794 E 20iii
Penerbit: : ., 2020
Deskripsi Fisik: -
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: NONE
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: -
Info Detail Spesifik: -
Pernyataan Tanggungjawab: Chaterina Octaviani Susanti

Pemodelan ARIMA-GARCHX dan Non Linear GARCH (NGARCH) pada Return Closing Price Saham Bank Central Asia

Ketersediaan

Informasi Detail

Versi lain/terkait

Lampiran Berkas

Komentar