Text

Pemodelan Return Harga Saham Menggunakan Model Intervensi–ARCH/GARCH (Studi Kasus : Return Harga Saham PT Bayan Resources Tbk)

---

ABSTRAK

Model intervensi adalah suatu model runtun waktu yang dapat digunakan untuk memodelkan data yang terdapat fluktuasi ekstrem baik naik maupun turun. Return harga saham seringkali mengalami fluktuasi yang ekstrem yang dipengaruhi baik faktor internal maupun eksternal. Secara umum ada dua jenis variabel intervensi, yaitu fungsi step dan fungsi pulse. Fungsi step digunakan pada intervensi yang bersifat jangka panjang, sedangkan fungsi pulse digunakan pada intervensi yang bersifat sementara atau jangka pendek. Pemodelan data runtun waktu harus memenuhi asumsi homoskedastisitas (varian residual data bersifat homogen). Pada kenyataannya data return saham memiliki tingkat volatilitas yang tinggi atau dengan kata lain mempunyai varian residual yang tidak konstan (heteroskedastisitas). Untuk memodelkan data yang varian residualnya bersifat heterokedastisitas dapat digunakan model ARCH (Autoregressive Conditional Heteroscedasticity) atau GARCH (Generalized Autoregressive Conditional Heteroscedasticity). Data yang digunakan adalah data return harga saham periode Agustus 2008 sampai September 2018. Pada plot data return harga saham ditemukan adanya fluktuasi ekstrem pada bulan September 2017 (T=110) sehingga model intervensi yang diduga adalah fungsi pulse. Model terbaik menggunakan metode intervensi fungsi pulse ialah ARMA([1,4],0) (b=0, s=1, r=1). Model intervensi tersebut memiliki varian residual yang tidak konstan atau terdapat efek ARCH. Model varian yang terbaik ARMA([1,4],0) (b=0, s=1, r=1)–GARCH(1,1) dengan AIC sebesar -205,75088.

Kata Kunci: Return Saham, Intervensi, Heteroskedastisitas, ARCH/GARCH

ABSTRACT

The intervention method is a time series model which could be used to model data with extreme fluctuation whether up or down. Stock price return tend to have extreme fluctuation which is caused by internal or external factors. There are two kinds of intervention function; a step function and a pulse function. A step function is used for a long-term intervention, while a pulse function is used for a short-term intervention. Modelling a time series data needs to satisfy the homoscedasticity assumptions (variance of residual is homogeneous). In reality, stock price return has a high volatility, in other words it has a non-constant variance of residuals (heteroscedasticity). ARCH (Autoregressive Conditional Heteroscedasticity) or GARCH (Generalized Autoregressive Conditional Heteroscedasticity) can be used to model data with heteroscedasticity. The data used is stock price return from August 2008 until September 2018. From the stock price return data plot is found an extreme fluctuation in September 2017 (T=110) that is suspected as a pulse function. The best model uses the intervention pulse function is ARMA([1,4],0) (b=0, s=1, r=1). The intervention model has a non-constant variance or there is an ARCH effect. The best variance model obtained is ARMA([1,4],0) (b=0, s=1, r=1)–GARCH(1,1) with the AIC value is -205,75088.

Keywords: Stock Return, Intervention, Heteroscedasticity, ARCH/GARCH

---

Ketersediaan

694E19I

694 E 19-i

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

694 E 19-i

Penerbit

: ., 2018

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

053

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Dea Manuella Widodo

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar