BAB 5 SIMPULAN
1. Hasil analisis modifikasi model EWMA dengan mengasumsikan return
berdistribusi power exponential atau generalized error distribution memberikan model P-EWMA untuk menduga volatitas dengan persamaan
model sebagai berikut: g
| | dengan
g .
2. Pendugaan menggunakan model GARCH, EWMA dan P-EWMA terhadap
data indeks LQ45 periode 2008-2011 adalah sebagai berikut: Model
GARCH:
. ,
. Model
EWMA:
. .
Model
P-EWMA:
.
.
.
. | |
.
dengan adalah ragam pada saat-t dan adalah return pada saat-t.
3. Hasil pendugaan volatilitas berdasarkan RMSFE untuk masing-masing
periode perdagangan menunjukkan bahwa model Power EWMA adalah model terbaik dalam menduga volatilitas indeks LQ45. Kebaikan dari model
Power EWMA adalah mengasumsikan bahwa return indeks LQ45 berdistribusi GED sehingga nilai perkiraan ragam mendekati nilai ragam
aktual.
DAFTAR PUSTAKA
Andersen T, Bollerslev T, Diebold FX, Ebens H. 2001. The Distribution of Realized Stock Return Volatility. Journal of Financial Economics 61:43-
76. Bertsekas DP. 2003. Nonlinear Programming Second Edition. Massachussetts:
Athena Scientific. Bodie Z, Kane A, Marcus AJ. 2006. Investments 6
th
Edition. Boston: The McGraw-Hill Companies.
Bollerslev T. 1986. Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics 31:307-327.
Brigham EF, Houston JF. 2006. Dasar - Dasar Manajemen Keuangan. Jakarta: Penerbit Salemba Empat.
Chan KC, Karolyi GA. 1991. The Volatility of the Japanese Stock Market: Evidence from 1977 to 1990. Research Report. Amsterdam: North-
Holland Publishers. Engle RF. 1982. The Use of ARCHGARCH Model in Applied Econometrics.
Journal of Economic Perspektives 4:157-158. Francq C, Zakoian JM. 2010. GARCH Models. Paris:
A John Wiley and Sons Ltd.
.
Guermat C, Harris RD. 2002. Robust Conditional Variance Estimation and Value- at-Risk. Journal of Risk 4:25-41.
Hasan MI. 2008. Pokok – Pokok Materi Statistik 1 Statistik Deskriptif. Jakarta: Penerbit Bumi Aksara.
Higgins ML, Bera AK. 1992. A Class of Nonlinear Arch Models. International Economic Review 33:137-158.
Hull JC. 2006. Options, Future, and Other Derivatives. New Jersey: Pearson Prentice Hall.
[IDX] Indonesia Stock Exchange. 2011. IDX Fact Book 2011. http:www.idx.co.id
[4 Februari 2012]. Kuen TY, Hoong TS. 1992. Forecasting Volatility in the Singapore Stock Market.
Asia Pacific Journal of Management; 1:1 – 13. Lo MS. 2003. Generalized Autoregressive Conditional Heteroscedasticity Time
Series Model [tesis]. Burnaby: Departemen of Statistics and Actuaria Science, Simon Fraser University.
Manurung AH. 1997. Risk Premium and Volatility on the Jakarta Stock Exchange. Kelola Business Review, Gajah Mada University; 14:42 - 52.
Manurung AH, Nugroho WI. 2005. Pengaruh Variabel Makro terhadap Hubungan “Conditional Mean and Conditional Volatility” IHSG. Manajemen
Usahawan; 6:13 – 22. Schwert GW. 1989. Why Does Stock Market Volatility Change over Time? The
Journal of Finance; 44:1115-1153. Situngkir H, Surya Y. 2004. Stylized Statistical Facts of Indonesian Financial
Data: Empirical Study of Several Stock Indexes in Indonesia. Proceeding Simposium Fisika Nasional, XX 2004. hlm 173-178.
Sunariyah. 2003. Pengantar Pengetahuan Pasar Modal. Jakarta: Penerbit UUP AMP LPFE UI.
Tagliafichi RA. 2003. The Estimation of Market VaR using GARCH Models and Heavy Tail Distributions. Argentina: University of Buenos Aries.
Usman H, Akbar HU. 2008. Pengantar Statistik. Jakarta: Penerbit Bumi Aksara. Widoatmodjo S. 2009. Pasar Modal Indonesia, Pengantar Study Kasus. Bogor:
Penerbit Ghalia Indonesia.
LAMPIRAN
Lampiran 1 Daftar Saham Indeks LQ45 Periode Agustus 2012 s.d. Januari 2013
Lampiran 2 Hasil pendugaan volatilitas dalam periode 40 hari perdagangan
Periode Volatilitas
Aktual EWMA GARCH P-EWMA
1 0.0293 0.0196
0.0171 0.0201
2 0.0232 0.0195
0.0159 0.0212
3 0.0130 0.0100
0.0119 0.0110
4 0.0193 0.0169
0.0137 0.0177
5 0.0500 0.0608
0.0554 0.0597
6 0.0338 0.0352
0.0292 0.0343
7 0.0000 0.0000
0.0000 0.0000
8 0.0000 0.0000
0.0000 0.0000
9 0.0205 0.0239
0.0220 0.0236
10 0.0210 0.0209
0.0173 0.0210
11 0.0166 0.0158
0.0138 0.0168
12 0.0130 0.0142
0.0152 0.0142
13 0.0125 0.0138
0.0146 0.0134
14 0.0112 0.0106
0.0114 0.0111
15 0.0122 0.0108
0.0121 0.0113
16 0.0233 0.0155
0.0113 0.0164
17 0.0091 0.0096
0.0106 0.0103
18 0.0117 0.0091
0.0111 0.0096
19 0.0133 0.0140
0.0132 0.0139
20 0.0174 0.0141
0.0135 0.0149
21 0.0090 0.0095
0.0130 0.0099
22 0.0083 0.0078
0.0110 0.0079
23 0.0152 0.0189
0.0167 0.0174
24 0.0296 0.0282
0.0202 0.0281
Kategori