MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (ARCH)

SITI NURCHASANAH, NIM.: 07610030 (2011) MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (ARCH). Skripsi thesis, UIN Sunan Kalijaga Yogyakarta.

[img]
Preview
Text (MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (ARCH))
BAB-I_IV-atau-V_DAFTAR-PUSTAKA ···.pdf - Published Version

Download (2MB) | Preview
[img] Text (MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (ARCH))
BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf - Published Version
Restricted to Registered users only

Download (3MB)

Abstract

ABSTRAK Serangkaian data runtun waktu finansial seperti harga saham biasanya memiliki variansi residual yang tidak konstan. Data runtun waktu finansial dengan variansi residual yang tidak konstan di setiap waktunya dinamakan data deret waktu dengan conditional heteroskedastic (heteroskedastisitas bersyarat). Hal ini karena berhubungan dengan risiko yang harus diterima investor dan pengembalian yang diharapkan investor. Salah satu model runtun waktu yang dapat mengakomodasi heteroskedastisitas adalah model Autoregressive Conditional Heteroscedasticity (ARCH). Langkah-langkah perumusan model ARCH untuk memperoleh model terbaik yaitu : 1) Menentukan kestasioneran data, 2) Menentukan model yang sesuai untuk persamaan mean, 3) Menguji ada tidaknya efek ARCH dalam data, 4) Mengestimasi parameter dari model ARCH, kemudian dipilih model yang terbaik, 5) Melakukan pemeriksaan diagnostik dengan uji ARCH-LM dan uji korelasi residual, 6) Melakukan peramalan dengan model yang didapatkan. Berdasarkan studi kasus yang diterapkan pada data indeks harga saham syariah Jakarta Islamic Index (JII) periode 1 Januari 2009 sampai dengan 31 Oktober 2010 diperoleh model terbaik yaitu model ARCH (3). div

Item Type: Thesis (Skripsi)
Additional Information: Pembimbing: Moh. Farhan Qudratullah, M.Si.
Uncontrolled Keywords: ARCH, heteroskedastisitas, JII, volatilitas
Subjects: Matematika
Divisions: Fakultas Sains dan Teknologi > Matematika (S1)
Depositing User: Edi Prasetya [edi_hoki]
Date Deposited: 26 Jul 2023 10:30
Last Modified: 26 Jul 2023 10:31
URI: http://digilib.uin-suka.ac.id/id/eprint/6413

Share this knowledge with your friends :

Actions (login required)

View Item View Item
Chat Kak Imum