Analisis Data dengan General Autoregressive Conditional Heteroscedasticity Model ( GARCH ), Threshold ARCH ( T-ARCH )

Pengujian dengan regresi bertujuan untuk mengukur kekuatan dan menunjukkan arah hubungan antara variabel dependen dengan variabel independen. Data yang digunakan penelitian ini berbentuk time series karena menggunakan data harian, misalnya diambil data dari Januai 2010 – July 2011. Dengan data time series dapat ditemukan pola pertumbuhan atau perubahan masa lalu, yang dapat digunakan untuk kegiatan bisnis dan keuangan. Data time series memiliki kecenderungan varian error term yang tidak konstan dari waktu ke waktu, maka varian residual dari data time series tidak konstan dan berubah-ubah dari satu periode ke periode lainnya atau mengandung unsur heteroskedastis. Dengan tingginya volatilitas data maka perlu dibuat model pendekatan tertentu untuk mengukur masalah volatilitas residual. Salah satu pendekatan adalah dengan memasukkan variable independen yang mampu memprediksikannya.

Untuk mengatasi varying time dependent (variansi dari error yang tidak konstan) maka akan digunakan model ARCH yang dikembangkan oleh Engle, 1982 dan GARCH (Bollerslev, 1986) yang memodelkan selain autoregresi juga memodelkan variansi dari error (condditional heteroscedascity of variance).

Asumsi yang selama ini menjadi kajian aliran utama ekonometrika yakni data time series kecenderungan mempunyai kesalahan pengganggu atau residual (error term) yang konstan dari waktu ke waktu berdasarkan kenyataan tersebut dalam bahasa ekonometrika berarti bahwa varian dari data time series ini tidak konstan tetapi berubah-ubah dari satu periode ke periode yang lain. Varian dari residual bukan lagi hanya fungsi variabel independen tetapi selalu berubah-ubah, tergantung seberapa besar residual dimasa lalu (Rahayu dan Firmansyah, 2004).

Model ekonometrika yang tepat untuk mengestimasikan perilaku seperti itu disebut Autoregressive Conditional Heteroscedasticity Model (ARCH). Model ini pertama kali dikembangkan oleh Robert Engle. Sebelumnya ARCH lebih dulu dikenal dengan metode peramalan Autoregressive Integrated Moving Average (ARIMA) yang dikembangkan oleh Box-Jenkins. Yaitu merupakan suatu metode yang menghasilkan ramalanramalan berdasarkan sintesis dari pola data secara historis. Akan tetapi kelemahan dari model ini adalah data yang digunakan harus di stasionerkan lebih dahulu, sehingga memakan waktu yang relatif lama. Pengujian untuk mengetahui ada tidaknya pola harian terhadap volatilitas maka model variance error dimodifikasi sebagaimana yang dilakukan oleh Hsieh (1988) dalam Buddi Wibowo (2004) dalam model ARCH.

Untuk melihat innovation effect yaitu apakah kenaikan dan penurunan indeks saham mempengaruhi volatilitasnya, dapat digunakan T-ARCH (Threshold ARCH). olahdata ini dapat dilakukan dengan eviews

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

%d blogger menyukai ini: