Peramalan Volatilitas Dengan Pemodelan Egarch, Tgarch, Dan Aparch Dalam Pengukuran Estimasi Risiko Saham Sektor Keuangan

Rabbaniyah, Fithra (2022) Peramalan Volatilitas Dengan Pemodelan Egarch, Tgarch, Dan Aparch Dalam Pengukuran Estimasi Risiko Saham Sektor Keuangan. Other thesis, Institut Teknologi Sepuluh Nopember Surabaya.

Text 06311840000007-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2024. Download (3MB) | Request a copy

Abstract

Data finansial yang mengikuti deret waktu akan memiliki pergerakan yang selalu berubah disetiap waktunya. Pergerakan perubahan tersebut memiliki keragaman atau volatilitas yang setiap waktunya tidak konstan. Keadaan ini disebut sebagai heteroskedastisitas. Metode yang dapat menyelesaikan masalah tersebut adalah Autoregressive Conditional Heteroscedasticity (ARCH)/Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Namun, ARCH/GARCH tidak dapat mengatasi beberapa kasus seperti perbedaan dalam nilai volatilitas dimana return positif dan negatif memiliki pengaruh asimetris terhadap variannya yang disebut sebagai leverage effect. Oleh sebab itu, dilakukan pemodelan dengan mengakomodasi respon volatilitas yang memiliki sifat asimetris seperti Exponential GARCH (EGARCH), Threshold GARCH (TGARCH), atau Asymmetric Power ARCH (APARCH). Pemodelan dilakukan terhadap saham sektor keuangan yang memiliki volatilitas tinggi dan rendah untuk mengetahui model yang sesuai dan akurat. Dalam melakukan investasi, tentunya diperlukan manajemen risiko yang baik, hal tersebut dapat dilakukan dengan mengestimasi risiko menggunakan metode Value at Risk (VaR) dan Conditional Value at Risk (CVaR). Penelitian ini dilakukan untuk peramalan volatilitas serta estimasi risiko melalui pemodelan EGARCH, TGARCH, dan APARCH pada saham sektor keuangan dengan volatilitas tinggi dan rendah untuk periode 20 Januari 2014 – 30 Desember 2021. Hasil pemodelan menunjukkan jika tidak terdapat karakteristik tertentu yang membedakan pemodelan antara saham dengan volatilitas tinggi dan rendah. Namun, dapat dikatakan jika model TGARCH dan EGARCH adalah model yang terbaik dalam memodelkan sifat asimetris. Peramalan volatilitas untuk sepuluh hari kedepan menghasilkan kesimpulan jika saham dengan volatilitas tinggi setelah dilakukan peramalan dengan model yang sesuai memiliki volatilitas yang tinggi pula dan sebaliknya. Estimasi risiko Value at Risk (VaR) dan Conditional Value at Risk (VaR) berdasarkan model terbaik untuk tingkat kepercayaan 99%, 95%, dan 90% menghasilkan kesimpulan bahwa saham dengan volatilitas tinggi memiliki estimasi risiko yang tinggi pula dan sebaliknya. Didapatkan kesimpulan juga jika semakin tinggi tingkat kepercayaan maka akan semakin tinggi pula nilai VaR dan CVaR yang didapatkan
=====================================================================================================================================
Financial data that follows a time series will have movements that change every time. The movement of these changes has a variety or volatility that is not constant at any time. This condition is known as heteroscedasticity. The method that can solve this problem is Autoregressive Conditional Heteroscedasticity (ARCH)/Generalized Autoregressive Conditional Heteroscedasticity (GARCH). However, ARCH/GARCH can’t overcome some cases, such as differences in volatility values where positive and negative returns have an asymmetric effect on the variance, which is known as the leverage effect. Therefore, modeling is carried out by accommodating volatility responses that have asymmetric properties such as Exponential GARCH (EGARCH), Threshold GARCH (TGARCH), or Asymmetric Power ARCH (APARCH). Modeling is carried out on stocks of the financial sector that have high and low volatility to determine the appropriate and accurate model. In investing, of course, good risk management is needed, this can be done by estimating risk using the Value at Risk (VaR) and Conditional Value at Risk (CVaR) methods. This study was conducted to forecast volatility and estimate risk through EGARCH, TGARCH, and APARCH modeling on stocks of the financial sector with high and low volatility for the period from January 20, 2014 to December 30, 2021. The modeling results show that no certain characteristics that distinguish between modeling stock with high and low volatility. However, it can be said that the TGARCH and EGARCH models are the best in modeling asymmetric properties. Volatility forecasting for the next ten days concludes that stocks with high volatility after forecasting with the appropriate model have high volatility and vice versa. Value at Risk (VaR) and Conditional Value at Risk (VaR) estimates based on the best models for 99%, 95%, and 90% confidence levels result in the conclusion that stocks with high volatility have high risk estimates and vice versa. It can also be concluded that the higher the level of confidence, the higher the VaR and CVaR values obtained

Item Type:	Thesis (Other)
Additional Information:	RSAk 519.535 Rab p-1 2022
Uncontrolled Keywords:	Volatilitas, VaR, CVaR, EGARCH, TGARCH, APARCH
Subjects:	Q Science > QA Mathematics > QA274.2 Stochastic analysis Q Science > QA Mathematics > QA280 Box-Jenkins forecasting
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	EKO BUDI RAHARJO
Date Deposited:	25 Jan 2023 02:31
Last Modified:	25 Jan 2023 02:31
URI:	http://repository.its.ac.id/id/eprint/95610

Actions (login required)

View Item