Model ARCH/GARCH

OLAH DATA STATISTIK

Model ini muncul karena masalah heteroskedastisitas pada model ekonomi yang menggunakan data time series. Penyebabnya adalah tingginya volatilitas pada data time series.

Akibatnya penduga tetap tidak bias, konsisten, tapi tidak efisien.

Maka muncullah model ARCH/GARCH yang mampu memanfaatkan kondisi heteroskedastisitas untuk menghasilkan penduga parameter yang lebih efisien.

Cara mendeteksi

Uji efek ARCH

H0 = tidak ada efek ARCH (homoskedastisitas)

H1 = ada efek ARCH (hetereskedastisitas)

Model ARCH(m)

Model Autoregressive Conditional Heteroscedastisity Model (ARCH) hanya dipengaruhi oleh error sebelumnya

Main equation : Y_t = b₀ + b₁X_t + U_t

Variance equation ARCH (m)

Pada Variance equation tidak perlu notase e_t (error)

Model GARCH (r,m) – Generalized Autoregressive Conditional Heteroscedasticity

Model ini untuk menutupi kelemahan ARCH (m) jika menggunakan ordo terlalu banyak karna model ARCH(m) menjadi tidak efektif.

Model GARCH(r,m)

m untuk e_t²

r untuk σ_t²

Main equation : Y_t = b₀ + b₁X_t + U_t

Variance equation GARCH (r,m)

Contoh GARCH (2,3)

Pada Variance equation tidak perlu notase e_t (error)

Langkah-langkah yang perlu dilakukan :

1. uji stationeritas

2. cari model ekonomi terbaik

3. Uji Efek ARCH

H0 = tidak ada efek ARCH (homoskedastisitas)

H1 = ada efek ARCH (hetereskedastisitas)

Jika tolak H0, maka lakukan pemodelan ARCH/GARCH

4.Cari model ARCH/GARCH terbaik, hingga masalah volatilitas menghilang

Jika ada pertanyaan, silahkan datangi kantor SC atau langsung hubungi contact person SC.
(Ditulis oleh Ivan Setiadi Tanujaya)