Rachmaniyah, Enbie (2011) Aplikasi model TARCH untuk menentukan nilai harga saham. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.
Text (Fulltext)
06510024.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) |
Abstract
INDONESIA:
Pada sebagian besar data deret waktu ekonomi dan keuangan, asumsi ragam yang tidak stasioner (heteroskedastisitas) dapat diselesaikan dengan menggunakan model Autoregressive Conditional Heteroscedastic (ARCH), Generalized Autoregressive Conditional Heteroscedastic (GARCH), dan Threshold Autoregressive Conditional Heteroscedastic (TARCH). Tujuan penelitian ini adalah untuk mencari bentuk estimasi parameter model TARCH dan memodelkan nilai harga saham PT. Telkom ke dalam model TARCH. Pemodelan TARCH diawali dengan transformasi menjadi data return yang dimodelkan Yt=... , kemudian sisaan kuadrat tersebut diuji keberadaan efek TARCH. Pendugaan parameter dengan menggunakan maximum likelihood (ML) untuk mendapatkan nilai C, K , G1 , A1 ,T1 dan untuk uji model dilakukan pengujian pada sisaan yang dibakukan dengan menggunakan statistik Ljung-Box Q.
Pada akhir penelitian ini didapatkan bentuk estimasi parameter model TARCH sebagai berikut:
...
dan model TARCH untuk nilai harga saham sebagai berikut:
Yt = 0, 089939 + ... dimana ...t~N(0,...t)
...t = 0.071935 + 0.128930 ... - 0.014607... + 0.0805506...
ENGLISH:
Most of economic and financial time series, assumptions for data with nonstationary variance (heteroscedasticity)can be used as Autoregressive Conditional Heteroscedastic (ARCH), Generalized Autoregressive Conditional Heteroscedastic (GARCH), and Threshold Autoregressive Conditional Heteroscedastic (TARCH). The purposes of this research are to researching of parameter estimation TARCH model and modeling the share price value of PT. Telkom into TARCH model. TARCH modeling begins with the transformation into the data return that is modeled as Yt=... , and then the quadratic residue is tested for the presence of TARCH effect. Parameter estimation was using Maximum Likelihood (ML) to get value C, K , G1 , A1 ,T1 and to test model was tested on the standardized residue was using Ljung-Box Q statistic.
At the end of this research is got by parameter estimation TARCH model as follows:
...
And TARCH model for the share price value as follows:
Yt = 0, 089939 + ... where ...t~N(0,...t)
...t = 0.071935 + 0.128930 ... - 0.014607... + 0.0805506...
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Supervisor: | Aziz, Abdul and Rozi, Fachrur | |||||||||
Contributors: |
|
|||||||||
Keywords: | Prediksi; Maksimum Likelihood; Forecasting; Maximum Likelihood; ARCH; GARCH; TARCH | |||||||||
Departement: | Fakultas Sains dan Teknologi > Jurusan Matematika | |||||||||
Depositing User: | Dinda Akromatul Akhadiyah | |||||||||
Date Deposited: | 15 May 2017 13:33 | |||||||||
Last Modified: | 15 May 2017 13:33 | |||||||||
URI: | http://etheses.uin-malang.ac.id/id/eprint/6440 |
Downloads
Downloads per month over past year
Actions (login required)
View Item |