Estimasi parameter model Suku Bunga Cox Ingersoll Ross dengan Metode Bootstrap

ABSTRAK

Model suku bunga Cox Ingersoll Ross (CIR) merupakan model keseimbangan dari tingkat suku bunga yang mengikuti persamaan diferensial stokastik. Ordinary Least Square (OLS) adalah salah satu metode yang dapat digunakan untuk meminimumkan jumlah error dari setiap nilai observasi terhadap rata-ratanya. Metode Bootstrap ini dapat digunakan untuk mendapatkan estimasi yang baik dari data dengan sampel yang minimum.

Tujuan penelitian ini adalah untuk mendapatkan bentuk estimasi parameter model CIR menggunakan metode Bootstrap berdasarkan hasil perhitungan data tingkat suku bunga bulanan Bank Indonesia (BI) tahun 2006 sampai 2010.

Estimasi parameter model suku bunga CIR menggunakan metode Bootstrap ini terdapat beberapa tahap yaitu menentukan solusi rekursif model CIR, mencari rata-rata dan variansi, mengubah solusi menjadi model regresi dalam bentuk matriks, lalu mengestimasi model CIR dengan OLS lalu diresampling dengan metode Bootstrap.

Pada penelitian ini memperoleh hasil bentuk estimasi parameter model CIR dengan metode Bootstrap yang diterapkan pada data tingkat suku bulanan BI yang diresampling sebanyak B=1000, sehingga diperoleh sebagai berikut:

ABSTRACT

The Cox Ingersoll Ross (CIR) interest model is a balanced equilibrium level of interest that follows the same stochastic differential equations. Ordinary Least Square (OLS) is one of the methods that can be used to minimize the number of orders from a number of parameters. This Bootstrap method can be used to get a good estimate of the data with a minimum sample.

The purpose of this research is to obtain the parameter estimation form of the CIR model using the Bootstrap method based on the calculation of Bank Indonesia (BI) level linkages between 2016 and 2019.

The estimation parameters of the CIR interest model using the Bootstrap method has several stages: determining the cursive solutions of the CIR model, looking for mean and variances, transforming the solution to a regression model in the form of a matrix, and then estimating the CIR model with OLS and mutually sampling with the Bootstrap method.

In this research, the results of estimating the parameters of the CIR model with the Bootstrap method were applied to the BI quarterly level data that were recommended as many as B = 1000, so as to obtain the following: