APLIKASI MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCHEDASTICITY (GARCH) UNTUK MENENTUKAN VALUE AT RISK PADA ANALISIS RESIKO INVESTASI

ROHIMATUL ANWAR, 1217031058 (2016) APLIKASI MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCHEDASTICITY (GARCH) UNTUK MENENTUKAN VALUE AT RISK PADA ANALISIS RESIKO INVESTASI. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

[img]
Preview
File PDF
ABSTRAK (ABSTRACT).pdf

Download (10Kb) | Preview
[img] File PDF
SKRIPSI FULL.pdf
Restricted to Hanya pengguna terdaftar

Download (8Mb)
[img]
Preview
File PDF
SKRIPSI TANPA BAB PEMBAHASAN.pdf

Download (8Mb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Tujuan dari penelitian ini adalah untuk memperoleh model time series terbaikyaitu Model Generalized Autoregressive Conditional Heteroschedasticity (GARCH), untuk meramalkan volatilitas, dan untuk menentukan Value at risk pada Data Indeks Harga Saham Gabungan (IHSG) periode Januari 2011 hingga Februari 2016. Didalam data time series, terkadang didapat variansi yang tidak konstan atau heteroschedasticity. Salah satu model untuk menyelesaikan kondisi ini adalah model GARCH. Model GARCH dapat digunakan untuk meramalkan volatilitas. Berdasarkan perhitungan Value at Risk, model GARCH dapat digunakan untuk mengestimasi risiko investasi. Berdasarkan hasil analisis, diperoleh bahwa model terbaik adalah ARMA (2,2), GARCH (1,1) dan besarnya Value at Risk pada tingkat kepercayaan 95% pada satu periode kedepan, dengan mengakarkan hasil dari ramalan variansinya diperoleh peramalan volatilitas sebesar 0,011943077. Jika seorang investor mengalokasikan dana sebesar Rp100.000.000,00 untuk berinvestasi maka terdapat 5% peluang terjadinya kerugian yang melebihi Rp1.966.458,00 selama 24 jam kedepan. Kata kunci : Heteroskedasitas, Volatilitas, Value at Risk ABSTRACT The aim of this study were to find the best time series model, namely Generalized Autoregressive Conditional Heteroschedasticity (GARCH) model, to avaluate the forecast of volatility, and to determine the Value at Risk data Price Composite Index From January 2011 to February 2016. In time series data, sometimes the behaviour of variance of the time series data are not constant or heteroschedasticity. One of the models to deal with this tipe of problem, we can use GARCH model. GARCH model can be used to forecast volatility. Based on the Value At Risk, GARCH model can be used to estimate the invesment risk. Based on the analysis, it was found that the best model is ARMA (2,2), GARCH (1,1) and at the level confidence interval 95% the Value at Risk on one future period with multiplying the result of the variance for forecasting volatility it was found that 0,011943077. If an investment give allocated funds of Rp100.000.000,00 to invest as a result there was a 5% chance of occurrence of losses in excess of Rp1.966.458,00 during the next 24 hours. Keywords: Heteroschedasticity, Volatility, Value at Risk

Jenis Karya Akhir: Skripsi
Subyek: > Q Science (General)
> QA Mathematics
Program Studi: FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit: 8118434 . Digilib
Date Deposited: 18 Oct 2016 07:13
Terakhir diubah: 18 Oct 2016 07:13
URI: http://digilib.unila.ac.id/id/eprint/24073

Actions (login required)

Lihat Karya Akhir Lihat Karya Akhir