Nurhayun Rismawati, 4111415026 (2020) Long Memory Volatility Model dengan ARFIMA-HYGARCH untuk Meramalkan Return Indeks Harga Saham Gabungan (IHSG). Under Graduates thesis, Universitas Negeri Semarang.

Preview

PDF (Long Memory Volatility Model dengan ARFIMA-HYGARCH untuk Meramalkan Return Indeks Harga Saham Gabungan (IHSG)) - Published Version Download (1MB) | Preview

Abstract

Model ARFIMA-HYGARCH merupakan model yang dapat menjelaskan time series jangka panjang (long memory) dan dapat mengatasi masalah ragam yang heterogen serta pengaruh asimetrik dalam data. Tujuan dari penelitian ini adalah untuk menemukan model ARFIMA-HYGARCH terbaik pada data return IHSG dan meramalkan data return IHSG untuk periode Juni sampai dengan Juli 2019. Pada penelitian ini dilakukan pengujian long memory pada data return IHSG yang memberikan hasil bahwa data memiliki ketergantungan jangka panjang (long memory). Oleh karena itu, dilakukan pembentukan model ARFIMA. Model terbaik yang diperoleh adalah ARFIMA (5,-0.0102919,4) dengan nilai AIC -7,97252189. Residual dari model ARFIMA tersebut terindikasi heteroskedastisitas sehingga dilakukan pembentukan model ARFIMA-GARCH. Dari model ARFIMA-GARCH dilakukan pengujian efek asimetrik dengan hasil bahwa terdapat efek asimetrik dalam data, sehingga di bentuk model ARFIMA-GARCH asimetrik, diantaranya model ARFIMA-IGARCH, ARFIMA-FIGARCH, dan ARFIMA-HYGARCH. Dari beberapa model tersebut, dipilih model terbaik berdasarkan AIC terkecil yaitu model ARFIMA-HYGARCH dengan nilai AIC -8,197636926. Hasil peramalan menunjukkan bahwa nilai ramalan varian berada di atas nilai ramalan mean kecuali untuk periode tanggal 11 Juni 2019, 12 Juni 2019, 17 Juni 2019, 18 Juni 2019 dan 24 Juni 2019. Pada periode tersebut plot ramalan varian berada di bawah plot ramalan mean. Ini berarti pada periode tersebut risiko investor dalam berinvestasi di pasar modal akan lebih besar. Utamanya untuk periode 12 Juni 2019 investor lebih baik jangan melakukan investasi karena pada periode tersebut nilai ramalannya paling tinggi. Maka, jika investor melakukan transaksi beli pada periode tersebut, risiko yang ditanggung akan lebih besar.

Actions (login required)

View Item