PEMODELAN DAN PERAMALAN VOLATILITAS SAHAM MENGGUNAKAN MODEL INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY

Abstract

Heteroskedastisitas pada sebagian besar data deret waktu ekonomi dan keuangan dapat diselesaikan dengan model ARCH/GARCH. Namun dalam penerapannya model ARCH/GARCH memiliki beberapa kelemahan, diantaranya adalah ketidakmampuannya untuk melihat transisi atau perubahan perilaku antara volatilitas rendah dan volatilitas tinggi. Oleh karena itu, model ARCH/GARCH tersebut dimodifikasi menggunakan model integrated generalized autoregressive conditional heteroscedasticity (IGARCH). Pada  model IGARCH, stasioneritas terpenuhi apabila memenuhi syarat jumlah koefisien semua parameter sama dengan satu. Pemodelan dilakukan dengan membentuk ARIMA sebagai mean model, dilanjutkan dengan memodelkan ARCH/GARCH dan selanjutnya adalah dengan memodelkan varians bersyarat IGARCH dengan jumlah koefisien parameter sama dengan satu. Data yang digunakan adalah data mingguan harga saham S&P 500 dari 19 September 2011 sampai 10 Juni 2019. Model peramalan volatilitas saham yang diperoleh adalah IGARCH(2,1) dengan nilai MAPE sebesar 19,44%. Hasil peramalan untuk 5 minggu ke depan menunjukkan bahwa volatilitas harga saham mengalami penurunan.

Kata Kunci: Varians Bersyarat, Heteroskedastisitas, IGARCH