Penerapan metode ARCH/GARCH pada pemodelan harga penutupan saham di bursa efek indonesia periode 2005-2013

Abstract

Saham merupakan bukti kepemilikan seseorang terhadap suatu Perseroan Terbatas. Harga saham bergerak secara fluktuatif setiap harinya sehingga menyebabkan terjadinya volatilitas. Volatilitas merupakan sebuah pola ragam dari deret waktu, khususnya deret waktu keuangan dan disebut tidak stasioner karena keragamannya yang tidak konstan. Kondisi tersebut memungkinkan terjadinya heteroskedastisitas yang menyebabkan perlu dianalisis lebih lanjut setelah melakukan pemodelan ARIMA Box-Jenskin yaitu memodelkan ragam dengan menggunakan metode Autoregressive Conditional Heteroscedasticity (ARCH) dan Generalized Conditional Heteroscedasticity (GARCH) yang diperkenalkan oleh Robert Engle dan Tim Bollerslev untuk mengatasi masalah heteroskedastisitas. Dari hasil pemodelan data harga penutupan saham diperoleh model terbaik yaitu model rataan ARIMA(1,1,2) dan model ragam GARCH(1,1) yaitu Zt = 1.9999Zt-1 – 0.9999Zt-2 + 0.9072et-1 – 0.0897et-2 + εt. Hal ini berarti ragamnya dipengaruhi oleh kuadrat sisaan dan ragam bersyarat satu periode yang lalu. Hasil dari validasi model didapatkan nilai MAPE sebesar 1.31% dan nilai MAD sebesar 63.8411 sehingga dapat disimpulkan bahwa model yang dihasilkan valid. Kata kunci : ARCH, GARCH, heteroskedastisitas, volatilitas.

Stock is proof of person’s ownership to a limited company liability. Stock prices have daily fluctuate moves basis thus causing volatility. Volatility is a variances pattern of time series, especially financial time series, and then that is not stationary causing the variances are not constant. These condition allow for heteroscedasticity, and then need further analysis after doing ARIMA Box-Jenskin’s modeling then doing variances modeling with Autoregressive Conditional Heteroscedasticity (ARCH) and Generelized Autoregressive Conditional Heteroscedasticity (GARCH) introduced by Robert Engle and Tim Bollerslev to solve the problem of heteroscedasticity. From the results of closing prices data modeling we get ARIMA(1,1,2) for the best mean model and GARCH(1,1) for the best variance model. This means that the variances are affected by square residuals and conditional variance. The results obtained from the model validation MAPE value is 1.31% and MAD value is 63.8411 so it can be concluded that the resulting model is valid. Keywords : ARCH, GARCH, heteroscedasticity, volatility