Penggunaan Metode Orthogonal GARCH untuk Meramalkan Matriks Kovarians Return Indeks Harga Saham Sektoral Di Bursa Efek Indonesia
Abstract
ABSTRAK
Penelitian ini melakukan kajian kesamaan risiko pada indeks-indeks harga saham sektoral yang terdapat di Bursa Efek Indonesia dengan menggunakan metode Orthogonal Generalized Autoregressive Conditional Heteroscedasticity (Orthogonal GARCH). Data yang dipergunakan dalam penelitian ini adalah data seluruh indeks harga saham sektoral penutupan harian di Bursa Efek Indonesia yang terdiri dari sepuluh indeks harga saham sektoral selama periode 4 Januari 2011 hingga 17 Juli 2017. Dari sepuluh indeks harga saham sektoral yang dikaji ternyata terdapat dua komponen utama faktor yang mempengaruhi conditional variancenya.
Hasil penelitian ini adalah bahwa indeks harga saham sektor pertanian dan pertambangan memiliki faktor risiko yang sama, sedangkan indeks harga saham sektoral lainnya memiliki faktor risiko yang sama. Temuan ini berimplikasi bahwa para manajer investasi harus membedakan faktor risiko saham-saham sektor pertanian dan pertambangan dari sektor lainnya.
Kata kunci : Orthogonal GARCH; Bursa Efek Indonesia; Value-at-Risk (VaR); Indeks harga saham sektoral; matriks kovarians
Downloads
References
Alexander, C. 2001a. A Primer on the Orthogonal GARCH Model. Working Paper.
Alexander, C. O. 2001b. Orthogonal GARCH. In Mastering Risk, edited by C. O. Alexander. New York: Prentice–Hall, 21-38.
Bai, J. 2011. Using Orthogonal GARCH to Forecast Covariance Matrix of Stock Returns. Thesis, The Faculty of the Department of Economics, University of Houston, Houston.
Bollerslev, T. 1986. Generalized Autoregressive Conditional Heteroscedasticity. Journal of Econometrics 31:307-327.
Burns, P. 2005. Multivariate GARCH with Only Univariate Estimation. Working Paper.
Byström, H. N. E. 2004. Orthogonal GARCH and covariance matrix forecasting: The Nordic stock markets during the Asian financial crisis 1997–1998 The European Journal of Finance 10 (4).
Engle, R. F., D. M. Lilien, and R. P. Robins. 1987. Estimating Time Varying Risk Premia in the Term Structure: The Arch-M Model. Econometrica 55 (2):391-407.
Holton, G. A. 2014. Value at Risk: Theory and Practice. 2nd ed. Belmont, MA, United States: www.value-at-risk.net.
Iqbal, F. 2013. Robust Estimation for the Orthogonal GARCH Model. The Manchester School 81 (6):904-924.
Lam, L., L. Fung, and I.-w. Yu. 2009. Forecasting a large dimensional covariance matrix of a portfolio of different asset classes. Hong Kong Monetary Authority Working Paper.
Laurent, S., J. V. K. Rombouts, and F. Violante. 2010. On the Forecasting Accuracy of Multivariate GARCH Models. Working Paper.
Luo, C. 2015. Stochastic Correlation and Portfolio Optimization by Multivariate GARCH. Dissertation, Graduate Department of Mathematics, University of Toronto, Toronto.
Simons, K. 1996. Value at Risk-New Approches to Risk Management. New England Economic Review (September/October):3-13.
Torres, O. D. l. T. 2013. Orthogonal GARCH matrixes in the active portfolio management of defined benefit pension plans: A test for Michoacán. Economía: teoría y práctica 39.
Weide, R. v. d. 2002. GO-GARCH: a multivariate generalized orthogonal GARCH model. Journal of Applied Econometrics 17 (5):549–564.
Certificate
