Perpustakaan Universitas Padjajaran
Pencarian Spesifik

Detail Cantuman

Image of Penaksiran model garch dengan metode Bounded M-Estimates

 

Penaksiran model garch dengan metode Bounded M-Estimates

Asumsi-asumsi model deret waktu adalah adanya autokorelasi dan
stasioneritas (stasioner dalam rata-rata atau stasioner dalam variansi). ...

  • CodeCallNoLokasiKetersediaan
    01001120700063519.5 Uba pPerpustakaan Pusat (REF.14.103)Tersedia
  • Perpustakaan
    Perpustakaan Pusat
    Judul Seri
    -
    No. Panggil
    519.5 Uba p/R.14.103
    Penerbit Magister Statistika Terapan : Bandung.,
    Deskripsi Fisik
    xii, 76 hlm. ; il. ; 29 cm
    Bahasa
    Indonesia
    ISBN/ISSN
    -
    Klasifikasi
    519.5
    Tipe Isi
    -
    Tipe Media
    -
    Tipe Pembawa
    -
    Edisi
    -
    Subyek
    Penaksiran Model GARCH dengan Metode Bounded M-Es
    Info Detil Spesifik
    -
    Pernyataan Tanggungjawab
  • Asumsi-asumsi model deret waktu adalah adanya autokorelasi dan
    stasioneritas (stasioner dalam rata-rata atau stasioner dalam variansi). Terdapat
    data deret waktu yang sulit diperoleh kestasioneran pada variansinya seperti pada
    data deret waktu finansial (indeks harga saham, tingkat suku bunga, inflasi, kurs
    mata uang dIl), dengan kata lain variansinya tidak konstan (heteroskedastisitas).
    Model deret waktu yang mengakomodasi heteroskedastisitas adalah model ARCH
    (Autoregressive Conditional Heteroscedasticityi. Pengembangan dari model
    ARCH adalah model GARCH (Generalized Autoregressive Conditional
    Heteroscedasticity). Model GARCH biasanya menggunakan metode Maximum
    Likelihood untuk menaksir parametemya. Metode ini didasarkan pada normal
    likelihood yang sangat sensitif terhadap adanya outlier, sehingga menjadikan hasil
    penaksiran tidak konsisten. Untuk mengatasi masalah tersebut diperlukan penaksir
    yang mampu memberikan hasil penaksiran yang konsisten. Metode Bounded M­
    Estimates merupakan metode penaksiran model GARCH yang robust terhadap
    keberadaan outlier.

    Hasil simulasi dan data riil menunjukkan bahwa ketika ada outlier, hasil
    penaksiran model GARCH dengan metode Bounded M-Estimates lebih baik
    dibandingkan metode Maximum Likelihood Estimates. Hal tersebut pada data

    simulasi dapat ditunjukkan oleh nilai bias absolut parameter ao, ap P1 yang lebih
    kecil, dan dua sifat Zt yaitu pada korelasi z/ dengan Zt-/ yang lebih mendekati nol
    dan pada variansi (Zt) yang lebih mendekati satu. Untuk data riil tentang Inflasi
    Indonesia dari Bulan Januari 1979 sampai dengan Desember 2010 dapat
    ditunjukkan oleh dua sifat z, yaitu pada korelasi z/ dengan Zt-l yang lebih
    mendekati nol dan pada variansi (Zt) yang lebih mendekati satu. Kriteria tersebut
    merupakan indikator untuk mendeskripsikan kebaikan metode Bounded M­
    Estimates pada model GARCH.

  • Tidak tersedia versi lain

  • Silakan login dahulu untuk melihat atau memberi komentar.


//

Informasi