Investments. Eight Edition. Singapore ID :
Rabemananjara R Zakoian JM. 1993. Threshold ARCH Models and Asymmetries in Volatility. Journal of Applied Econometrics, vol 8, 31-49
Rosadi D. 2011. Ekonometrika dan Analisis Runtun Waktu Terapan dengan EViews. Yogyakarta ID: Andi Yogyakarta.
Samsul M. 2006. Pasar Modal Dan Manajemen Portofolio. Jakarta ID: Erlangga. Siamat. 1995. Manajemen Lembaga Keuangan. Jakarta ID: Intermedia.
Simanjuntak AS. 2009. Penanganan Masalah Heteroskedastisitas Dengan Model ARCH-GARCH dan Model Black-Scholes [tesis]. Bogor ID: Institut
Pertanian Bogor. Su C. 2010. Application of EGARCH Model to Estimate Financial Volatility of
Daily Returns: The empirical case of China [tesis]. Sweden ID: University of Gothenburg
Sumaryanto. 2009. Analitis Volatilitas Harga Eceran Beberapa Komoditas Pangan Utama Dengan Model ARCHGARCH. Jurnal Agro Ekonomi, Volume 27:
No.2 Utomo W.1999. Analisis Pengaruh Beta Dan Varian Return Saham Terhadap
Return Saham [Tesis]. Semarang ID: Unversitas Diponegoro Wu J. 2010. Threshold GARCH Model: Theory and Application [tesis]. USA
ID: The University of Western Ontario www.idx.com2014
www.yahoofinance.com2014 Zakoian JM. 1994. Threshold Heteroskedastic Models. Journal of Economic
Dynamics and Control, 185:931–955.
DAFTAR ISTILAH
ARMA p,q Suatu model yang terdiri atas gabungan proses regresi diri ordo p dan rataan
bergerak ordo q
ARIMA Kependekan dari Autoregresif AR, Integrated I, dan Moving Average MA.
Suatu deret waktu {Yt} disebut mengikuti model ARIMA jika deret beda ke-d, Wt=
Δ
d
Y
t
adalah proses ARMA yang stasioner
ARCHGARCH Auto Regressive Conditional HeteroscedasticityGeneral Auto Regressive Conditional Heteroscedasticity
Suatu model yang menganggap variance yang tidak konstan heteroskedastisitas bukan sebagai suatu masalah tetapi justru dapat digunakan untuk modeling dan
peramalan forcasting
ARCH Suatu error process yang dapat digunakan untuk memodelkan periode volatilitas
dalam kerangka univariate dan juga conditional short run variance “volatilitas” dari series yang merupakan fungsi dari nilai masa lalu galat kuadrat. Artinya, efek
dari suatu shock baru
ε
t
, tergantung pada ukuran dari shock masa lalunya—shock yang besar pada periode t akan meningkatkan pengaruh terhadap y shock pada
periode t+1, t+2 dst.
Autoregressive AR y Suatu model yang menggambarkan suatu peubah terikat dipengaruhi oleh peubah
terikat itu sendiri pada periode-periodewaktu-waktu sebelumnya.
Autoregressive AR p Regresi antara Y pada periode t dengan Y pada periode-periode t-1, t-2, t-3......t-p
Beta Risiko pasar atau risiko yang disebabkan oleh pergerakan pasar agregat, dimana
saham bergerak tergantung dari pergerakan pasar
GARCH Model yang merupakan pengembangan terhadap model ARCH yang
memungkinkan conditional variance menjadi ARMA proses
Heteroskedasticity Suatu kondisi apabila kesalahan tidak memiliki sebuah ragam konstan terhadap
selang nilai
Faktor Acak Irregular, tidak teratur Suatu kondisi dalam time series, dimana terjadi gerakan yang berbeda tetapi
dalam waktu yang singkat, dengan pola yang tidak diketahui dan tidak dapat diperkirakan
Koefisien Autokorelasi Angka yang menunjukkan tingkat asosiasikeeratan hubungan antara nilai-nilai
dari peubah yang sama dengan periode waktu time lags yang berbeda
Moving Average MA Model Suatu model yang meramalkan nilai Yt berdasarkan kombinasi linier nilai galat
masa lalu dalam jumlah terbatas
Risiko Sistematik Risiko yang tidak dapat didiversifikasi dihindarkan, disebut juga dengan risiko
pasar
Proses Stokastik Sekuens peubah random {Y1, Y2, ......., Yt}, missal Yt adalah pengamatan pada
waktu t dan Yt adalah peubah random peubah acak
Stasioner Suatu kondisi data time series jika rata-rata, variance, dan covariance dari
peubah-peubah tersebut seluruhnya tidak dipengaruhi oleh waktu
Tren Kecenderungan jangka panjang peubah time series yang secara grafis
digambarkan sebagai gariskurva yang halus yang menunjukkan kecenderungan umum naik atau turun.
Unit root test Tes formal untuk menguji kestasioneran data
White noise Apabila tidak ada suatu pola apa pun dalam data deret waktu
LAMPIRAN
Lampiran 1 Hasil penelitian terdahulu yang relevan
Tahun Peneliti Judul Metode
Hasil
2013 Efri Junaidi Analisis
Volatilitas Harga Minyak Sawit
dan Harga Minyak Goreng
ARCH- GARCH
Volatilitas harga minyak sawit dipengaruhi oleh
volatilitas pada dua periode sebelumnya, sedangkan volatilitas
harga minyak goreng dipengaruhi oleh volatilitas
dan varian pada satu periode sebelumnya.
Volatilitas harga minyak sawit lebih tinggi dibandingkan volatilitas harga
minyak goreng.
2012 Khoiru Liummah
Ayu Nastiti, Agus Suharsono
Analisis Analisis Volatilitas
SahamPerusahaanG o
PublicdenganMetod e ARCH-GARCH
Analisis ARCH-
GARCH variabel beta saham dan varian
Hasilnya return saham ANTM, BBCA dan SMGRmemiliki sifat
heteroskedasticity sedangkansaham ASII dan UNTR telahbersifat
homoskedasticity. Model volatilitas yang diperoleh yaitu sahamANTM
memiliki model GARCH 1,1 dan saham SMGR memiliki
modelARCH 1. Berdasarkan plot conditional variance volatilitas
didapatkan bahwa saham SMGR memiliki
potensi risiko lebih tinggi dari padasaham ANTM.
2010 Chang Su
Application of EGARCH Model to
Estimate FinancialVolatility
of Daily Returns:The
empirical case of China
EGARCH Model EGARCH cocok dengan data
sampel yang lebih baik daripada model GARCH dalam pemodelan
volatilitas return saham Cina. Hasil penelitian juga menunjukkan bahwa
volatilitas jangka panjang lebih stabil selama periode krisis. Berita
buruk menghasilkan efek yang lebih kuat dari kabar baik bagi pasar
saham Cina selama krisis
2010 Jing Wu
Threshold GARCH
Model: Theory and Application
Threshold GARCH
Estimator maximum likelihood
adalah baik dan konsisten untuk ukuran sampel sederhana ketika
kondisi stasioneritas terpenuhi. Dengan menggunakan indeks
volatilitas sebagai variabel threshold, padadata 20 saham dari
Major Market Index MMI,ditemukan bahwa model
threshold dengan pemicu eksogen Chicago Board Options Exchange
CBOE Volatility Index VIXdapat dimodelkan dengan baik.
Lanjutan Lampiran 1
Tahun Peneliti Judul Metode
Hasil
2009 Moses Alfian
Simanjuntak Penanganan
Masalah Heterskedastisitas
dengan Model ARCH-GARCH dan
Model Black-Sholes ARCH-
GARCH dan Black-Scholes
Dari data 5 perusahaan, didapat bahwa adannya kecenderungan
menghasilkan kondisi heteroskedasitas,sehingga model
deret waktu membutuhkan persamaan ARCH-GARCH
Model deret waktu lebih baik dibandingkan model Black-Scholes
karena memiliki rataan MSE dan simpangan baku MSE yang lebih
kecil. Model Black-Scholes lebih baik dibandingkan model deret
waktu dalam hal penyebaran data MSE yang kekar robust
2009 Sumaryanto Analisis Volatility Harga Eceran
Beberapa Komoditas Pangan
Utama Dengan Metode ArcgGarch
ARCH- GARCH
Ragam Harga Eceran Terdeflasi untuk komoditas gula pasir, cabai
merah, beras, terigu dan bawang merah bersifat heteroskedasitas
sehingga model peramalan yang lebih sesuai adalah ARCHGARCH.
2006 Anton Analisis
ModelVolatilitas Return Saham
Studi Kasus pada Saham LQ 45 di
Bursa Efek Jakarta ARCH-
GARCH- EGARCH
Hasil penelitian menunjukkanbahwa return saham di Indonesia
memilikipermasalahan time varying volatility, tetapi tidakterjadi leverage
effect pada volatilitasreturn saham, serta
return saham tidak dipengaruhioleh volume
perdagangan.Ternyata pasar modal Indonesiatermasuk pasar bentuk
lemah
Lampiran 2 Data return saham harian yang bersifat white noise random 1. Return Saham Harian BMRI
2. Return Saham Harian BBNI
Lanjutan Lampiran 2 3. Return Saham Harian BBKP
4. Return Saham Harian BNII
Lanjutan Lampiran 2 5. Return Saham Harian BNLI
Lampiran 3 Uji stasioner return mingguan dengan unit root dengan ADFPP
1. BMRI
Null Hypothesis: RETURN_BMRI has a unit root Exogenous: Constant
Lag Length: 25 Automatic - based on SIC, maxlag=25 t-Statistic
Prob. Augmented Dickey-Fuller test statistic
-7.797714 0.0000
Test critical values: 1 level
-3.433299 5
level -2.862729 10
level -2.567449
MacKinnon 1996 one-sided p-values. Null Hypothesis: RETURN_BMRI has a unit root
Exogenous: Constant Bandwidth: 80 Newey-West automatic using Bartlett kernel
Adj. t-Stat Prob.
Phillips-Perron test statistic -10.76431
0.0000 Test critical values:
1 level -3.433262
5 level -2.862712
10 level
-2.567440 MacKinnon 1996 one-sided p-values.