2.11 Model Asymmetric Autoregressive Conditional Heterokedasticity
Model GARCH yang telah diuraikan di atas memiliki karakteristik respons volatilitas yang simetris terhadap guncangan. Dengan kata lain, sepanjang
intensitasnya sama maka respon volatilitas terhadap suatu guncangan adalah sama, baik guncangan positif good news maupun negatif bad news.
Untuk memeriksa keberadaan pengaruh leverage effect efek asimetris salah satunya dapat dengan cara data runtun waktu dimodelkan ke dalam model GARCH.
Kemudian dari model tersebut diuji ada tidaknya efek asimetris pada data dengan melihat korelasi antara
residual kuadrat dengan lag residual dengan
menggunakan korelasi silang. Adanya asimetris ditandai dengan korelasi yang tidak sama dengan nol.
Pengembangan model GARCH yang selanjutnya mengakomodasi kemungkinan adanya respon volatilitas yang asimetris. Dari literatur teori keuangan
dikatakan bahwa respon dalam artian gejolak pasar lebih besar ketika news yang datang adalah bersifat negatif daripada positif.
Terdapat dua teknik pemodelan respon GARCH asimetris, yakni model Threshold GARCH TGARCH oleh Glosten, Jagannathan dan Runkle 1993 dan
Exponential GARCH EGARCH dari Nelson 1991.
Model GARCH , representasi pendekatan TGARCH dapat diberikan formula
2.101
= +
+ +
.
dimana = 1 untuk
0, dan = 0 untuk
≥ 0. Apabila hipotesis asymmetric respons berlaku, maka diharapkan nilai 0
dan signifikan serta non-negativity constraint berlaku: ≥ 0, ≥ 0, ≥ 0 dan + ≥ 0.
Jika digunakan pendekatan EGARCH, maka model standar GARCH . dapat diubah menjadi
2.102
ln = + β ln
+ −
2 −
.
Di sini jika hipotesis asymmetric respons berlaku, maka diharapkan nilai 0 dan signifikan. Model ini sebagai variabel dependen adalah log term GARCH
sehingga meskipun hasil ruas kanan persamaan adalah negatif, varians yang merupakan antilog adalah tetap positif. Dengan demikian, perlu diimplementasikan
non-negativity constraint Ariefianto, 2012: 102.
2.12 Schwarz Info Criterion
Kategori