Perbandingan Model GARCH, GARCHX, dan GARCHX-T dalam Pemodelan dan Prediksi Volatilitas Saham Emas

Abstract

Pemodelan volatilitas saham merupakan aspek penting dalam ekonometrika keuangan, khususnya pada saham pertambangan emas yang memiliki sensitivitas tinggi terhadap harga komoditas emas dan dinamika pasar. Penelitian ini membandingkan kinerja model GARCH, GARCHX, dan GARCHX-T menggunakan data log return harian saham GOLD (Barrick Gold Corporation) selama periode 2020-2023. Model GARCHX menggunakan cross-sectional volatility yang diturunkan dari lima saham pertambangan emas (NEM, AEM, GFI, KGC, dan AU) sebagai variabel eksogen, sedangkan GARCHX-T menggunakan time-series market volatility yang diturunkan dari S&P 500 sebagai variabel eksogen. Pemilihan ordo model dilakukan menggunakan Akaike Information Criterion (AIC), sedangkan estimasi parameter menggunakan metode Maximum Likelihood Estimation (MLE). Ketiga model menghasilkan ordo optimal GARCH(3,1). Evaluasi in-sample menunjukkan bahwa GARCHX-T(3,1) memberikan kecocokan terbaik. Hasil peramalan out-of-sample selama tiga bulan juga menunjukkan bahwa GARCHX-T memiliki akurasi tertinggi, sehingga volatilitas pasar agregat terbukti meningkatkan kualitas peramalan volatilitas saham pertambangan emas.

Stock volatility modeling is a fundamental topic in financial econometrics, particularly for gold mining stocks that are highly sensitive to gold commodity prices and market dynamics. This study compares the performance of GARCH, GARCHX, and GARCHX-T models using daily log returns of GOLD stock (Barrick Gold Corporation) from 2020-2023. GARCHX incorporates cross-sectional volatility derived from five gold mining stocks (NEM, AEM, GFI, KGC, and AU) as an exogenous variabel, while GARCHX-T employs time-series market volatility derived from the S&P 500 as exogenous variable. Model order selection is based on the Akaike Information Criterion (AIC), and parameter estimation is conducted using Maximum Likelihood Estimation (MLE). All models identify GARCH(3,1) as the optimal order. In-sample evaluation indicates that GARCHX-T(3,1) provides the best fit. Out-of-sample forecasting results over a three-month horizon confirm GARCHX-T as the most accurate model, demonstrating the importance of aggregate market volatility in improving volatility forecasts.