Aplikasi Metode Ekonometri (ARCH, GARCH, EGARCH, TARCH, EMA, CARR) di Eviews dalam Peramalan Volatilitas Harga Saham

Penelitian tentang peramalan volatilitas harga saham di pasar saham telah banyak dilakukan di berbagai negara dengan berbagai metode ekonometrika (ARCH, GARCH, EGARCH, TARCH, EMA, CARR) yang ada di program Eviews. Penelitian-penelitian di Evews, dapat juga dilakukan dengan metode moving average (EMA), random walk (RW), historical average, moving average (MA), auto regression (AR), ARMA, ARIMA, simple regression, exponential smoothing, exponentially weighted moving average (EMA). Namun penelitian-penelitian tersebut harus dicari dahulu metode ekonometrika yang cocok sehingga ditemukan metode yang paling baik untuk meramal volatilitas.

Penelitian-penelitian yang telah dilakukan sebelumnya mengenai peramalan volatilitas dikutip dari Yu (2002), diantaranya:

  1. Akgiray (1989), Pagan dan Schwert (1989), dan Brooks (1998) dengan menggunakan data saham US memperoleh hasil bahwa model Generalized Auto Regressive Conditional Heteroscedascity (GARCH) paling baik dibandingkan metode lain.
  2. Brailsford dan Faff (1996) memperoleh hasil bahwa model GARCH adalah model yang paling baik dan praktis untuk meramalkan volatilitas index saham bulanan di Australia.
  3. Tse (1991) serta Tse dan Tung (1992) menggunakan data Jepang dan Singapura menemukan bahwa Exponentially Weighted Moving Average (EMA) lebih akurat dalam peramalan dibandingkan GARCH.

Dalam penelitiannya, Yu (2002) membandingkan kinerja sembilan model untuk melihat model terbaik dalam meramalkan volatilitas pasar saham dengan menggunakan data NZSE40 capital index dari tahun 1980 sampai 1998. NZSE40 tersebut meliputi 40 saham terbesar dan paling liquid yang tercantum dalam New Zealand Stock Market Exchange (NZSE).  Adapun kesembilan model yang menjadi kandidat adalah Random Walk, Historical Average, Moving Average, Simple Regression, Exponential Smoothing, Exponentially-weighted Moving Average (EMA), ARCH, GARCH, dan Stochastic Volatility (SV).

Kesembilan model tersebut kemudian dievaluasi untuk melihat tingkat akurasi peramalan volatilitas dengan empat perhitungan yaitu root mean square error (RMSE), the mean absolute error (MAE), the Theil-U statistic dan the LINEX loss function. Hasil dari pengujian dengan menggunakan data NZSE40 secara keseluruhan memperlihatkan, Stochastic Volatility dan GARCH(3,2) merupakan model terbaik untuk meramalkan volatilitas. Sebaliknya, Random Walk tidak bisa meramalkan volatilitas dengan baik. Jadi, kalau Anda sedang melakukan penelitian tentang ARCH, GARCH, TARCH, EGARCH, MGARCH,CARR, EMA, RW, ARIMA, AR, MA, ARMA,silahkan menghubungi kami di nomor WA 0838-0405-9000.

Hasil evaluasi yang berhubungan dengan GARCH tersebut juga didukung oleh Magnus dan Fosu (2006) yang menguji peramalan volatilitas menggunakan GARCH dengan menggunakan data Ghana Stock Exchange (GSE) tahun 1994-2004. Magnus dan Fosu menggunakan empat model peramalan untuk melihat metode yang terbaik. Keempat tipe tersebut adalah basic random walk model, symmetric GARCH(1,1), two asymmetric EGARCH(1,1) dan TGARCH(1,1).  Setelah dilakukan regresi menggunakan keempat model tersebut, GARCH(1,1) merupakan model terbaik untuk meramal volatilitas pasar saham di Ghana. Selain itu, model GARCH juga dapat menunjukkan tingkat presisi yang tinggi pada kondisi volatilitas. Hal tersebut ditunjukkan dari koefisien alfa dan beta dalam model GARCH yang mendekati satu.

Pendapat mengenai GARCH sebagai model yang baik dalam meramalkan volatilitas berlawanan dengan hasil penelitian Chou dan Wang (2007). Chou dan Wang membandingkan GARCH dengan Conditional Auto Regressive Range (CARR) menggunakan data UK FTSE 100 tahun 1990 sampai 2000 dan mendapatkan kesimpulan bahwa CARR lebih baik dibandingkan GARCH.

Anda sedang mencari konsultan jasa olah data SPSS Eviews Lisrel AMOS Stata Murah / analisis data statistik MURAH di jakarta bogor tangerang bekasi (jabodetabek) untuk skripri tesis disertasi ?

Kami merupakan konsultan jasa olah data / pengolahan data statistik  SPSS Eviews Lisrel AMOS Stata Murah / analisis data statistik MURAH di jakarta bogor tangerang bekasi (jabodetabek) untuk skripri tesis disertasi ?

Hubungi Kami :

WA : 0838 0405 9000

Kelebihan CARR dibandingkan dengan GARCH, menurut Chou dan Wang adalah:

  1. Jangkauan dari log harga dapat diobservasi.
  • Adanya model yang simultan pada kondisi pertama dan kedua volatilitas pada GARCH, sedangkan pada CARR tidak ada keterkaitan dengan variansnya.
  1. CARR dengan estimasi volatilitas lebih efisien serta lebih memberikan informasi dibandingkan GARCH.
  2. CARR model bisa menjadi taksiran standar deviasi pada GARCH.

Chou dan Wang membandingkan CARR dan GARCH dengan menggunakan root mean squared error (RMSE) dan mean absolute error (MAE), yg kemudian dihubungkan dengan tiga pendekatan lainnya yaitu Daily Range (DRNG), the absolute daily return (ADRET), dan Squared Daily Return (SDRET) untuk bisa mengkalkulasi volatilitas. Hasil dari kalkulasi tersebut menunjukkan CARR lebih baik dibandingkan GARCH.

Dalam penelitian Magnus dan Fosu (2006),  mencoba mencari model peramalan volatilitas yang terbaik di Bursa Efek Ghana. Dengan menggunakan data return harian dari tahun 1994-2004, mereka mencoba menemukan manakah metode yang terbaik untuk peramalan volatilitas diantara 4 metode yang digunakan dalam penelitiannya yaitu: Random Walk (RW), GARCH(1,1), EGARCH(1,1) dan TGARCH(1,1). Model yang didapatkan dari keempat metode tersebut kemudian diliat kinerjanya dalam melakukan peramalan volatilitas dengan pendekatan RMSE, MAE, MAPE dan TIC. Berdasarkan penelitian tersebut, metode GARCH(1,1) memperlihatkan peramalan yang lebih baik dibandingkan 3 metode lainnya.

Berdasarkan penelitian-penelitian sebelumnya, model terbaik yang dapat meramalkan volatilitas pada pasar saham belum dapat ditemukan. Hal ini bisa disebabkan karena pergerakan saham di pasar saham setiap negara tidak sama. Dengan perbedaan tersebut, maka data yang akan diolah di setiap negara juga berbeda, sehingga mempengaruhi penentukan model dengan kinerja yang terbaik.

Leave a Reply

Your email address will not be published. Required fields are marked *