| dc.identifier.citation | Ahmed, R. R., Vveinhardt, J., Streimikiene, D., & Channar, Z. A. (2018). Mean reversion in international markets: Evidence from G.A.R.C.H. and half-life volatility models. Economic Research-Ekonomska Istraživanja, 31(1), 1198–1217. Alexander, C. (2008). Market Risk Analysis II: Practical Financial Econometrics. Chichester: John Wiley & Sons. Asai, M. (1998). A new method to estimate stochastic volatility models: A Log-GARCH approach. Journal of Japan Statistical Society, 28(1), 101–114. Bollerslev, T. (1986). Generalized autoregressive conditional heterokedasticity. Journal of Econometric, 31, 307–327. Campbell, J. Y., Lo, A. W., & MacKinlay, A. C. (1997). The econometrics of financial markets. New Jersey: Princeton University Press. Christoffersen, P. F. (2012). Elements of financial risk management (2nd ed.). New York: Academic Press. Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of The United Kingdom Inflation. Journal of Econometrica, 50(4), 987–1007. Firmansyah (2006). Analisis volatilitas harga kopi internasional. Manajemen Usahawan Indonesia, 35(7). Francq, C., Wintenberger, O., & Zakoian, J.-M. (2013). GARCH models without positivity constraints: Exponential or log GARCH?. Journal of Econometrics, 177(1), 34–46. Francq, C., Wintenberger, O., & Zakoian, J.-M. (2018). Goodness-of-fit tests for Log-GARCH and EGARCH modelsTEST, 27(1), 27–51. Hansen, P. R., & Lunde, A. (2005). A forecast comparison of volatility models: Does anything beat a GARCH(1,1)? Journal of Applied Econometrics, 20(7), 873–889. Hoover, S., & Perry, R. (1990). Simulation: A problem solving approach. Reading, MA: Addison-Wesley;. Merrill, R. M. (2016) Statistical methods in Epidemiologic Research. Burlington: Jones & Bartlett Learning Nugroho, D. B., Susanto, B., & Rosely, M. M. M. (2018). Penggunaan MS Excel untuk estimasi model GARCH(1,1). Jurnal Matematika Integratif, 14(2), segera terbit. Setiawan, W., & Munir. (2006). Pengantar Teknologi Informasi: Basis Data. Bandung: Universitas Pendidikan Indonesia. Sucarrat, G., Gronneberg, S., & Escribano, A. (2015). Estimation and inference in univariate and multivariate Log-GARCH-X model when the conditional density is unknown. Computational Statistics and Data Analysis, 100, 582–594. Sugiyono (2013). Metode penelitian pendidikan pendekatan kuantitatif, kualitatif, dan R&D. Bandung: Alfabeta. Tung, H. K. K., Lai, D. C. F., & Wong, Mi. C. S. (2010). Professional financial computing using Excel and VBA. Singapore: John Wiley & Sons. van der Ploeg, A. P. C. (2006). Stochastic volatility and the pricing of financial derivatives. Rozenberg Publishers. Zivot, E. (2009). Practical issues in the analysis of univariate GARCH models. Dalam T. G. Andersen, R. A. Davis, J.-P. Kreib, & T. Mikosch (Eds.), Handbook of Financial Time Series (p. 113). Berlin, Heidelberg: Springer-Verlag. | id_ID |
| dc.description.abstract | Studi ini berfokus pada studi empiris tentang perbandingan antar model Log-GARCH(1,1) dan model GARCH(1,1). Kedua model diaplikasikan pada data simulasi dan data riil, data rill yang digunakan berjumlah tiga jenis data yaitu indeks harga saham Dow Jones Industrial Average (DJIA), Standard and Poor’s (S&P 500), dan S&P CNX Nifty pada periode harian dari bulan Januari tahun 2000 sampai bulan Desember tahun 2017. Model diasumsikan mempunyai inovasi return dengan berdistribusi normal. Solver Excel digunakan untuk mengestimasi model Log-GARCH(1,1) dan model GARCH(1,1) dan diselidiki kemampuannya. Secara keseluruhan, studi ini menunjukkan bahwa Solver pada Microsoft Excel mampu mengestimasi parameter-parameter model dengan cukup akurat. Dalam kasus data simulasi, hasil dari perhitungan nilai estimasi total log-likelihood mengindikasikan bahwa model Log-GARCH(1,1) berpotensi mencocokkan lebih baik dibandingkan dengn model GARCH(1,1). Sementara itu, dalam kasus data riil, hasil perhitungan nilai estimasi pada model GARCH(1,1) lebih cocok digunakan untuk ketiga data return harian indeks harga saham dibandingkan dengan model Log-GARCH(1,1). | id_ID |
