ARMAARIMAARCAGARCH
ARMAARIMAARCAGARCH
EKONOMETRI
TIME SERIES
SANJOYO
TOPIK - TOPIK
A. Pengertian Dasar
B. Pengujian Stasioneritas
C. ARMA & ARIMA
D. ARCH & GARCH
E. VAR
F. COINTEGRATION & ECM
G. SIMULTAN EQUATION
ASISTENSI EKON TIME SERIESSERIES- SANJOYO
Contoh:
AR(1) Yt=0,8Yt-1+ t
Lat7: AR Proses
;=konstanta, t =white
Pola PACF
AR (p)
MA (q)
Terputus/ terpotong
setelah Lag q
ARMA
Pemilihan Lag:
ACF max q (lag MA)
PACF max p(lag AR)
10
11
12
13
Parameter Estimasi
Parameter
p-value
t-ratio
Prob Q
SE of Reg
CONSTANT
AR(1)
MA(5)
MA(6)
1.302799
0.707553
0.327614
0.259056
0.1202
0.0000
0.0005
0.0050
Error WN
1.702521
CONSTANT
AR(1)
MA(5)
MA(8)
1.258723484
0.7521177939,
0.3430463389,
-0.2584077005
0.0673
0.0000
0.0004
0.0070
Error WN
1.706071
CONSTANT
AR(1)
AR(7)
MA(2)
MA(5)
1.326451
0.842224
-0.119512
-0.274655
0.344174
0.0356
0.0000
0.0458
0.0069
0.0004
Error WN
1.746126
14
15
Rata2 series ()
Volatility data yg terjadi periode sebelumnya (diukur
dg lag kuadrat residual t-12)- ARCH term
Varian forecast periode sebelumnya, t-12
Model ARCH(q):
Yt=0+0Yt-1+t dimana t ~ N(0, t) heterosedastic
t= t t ; dimana t adalah white noise N(0,1)
t2= 0+ 12t-1 +..+ q2t-q
Bila ARCH(1) maka: t2= 0+ 12t-1
16
Yt=0+0Yt-1+t
Autoregresive p Lag of 2t-GARCH term
dimana t ~ N(0, t) heterosedastic
t= t t dimana t adalah white noise N(0,1)
q
p
. 2
2
t = 0 + i t 1 + j t2 j
.
i =1
j =1
t = conditional varians
Bila GARCH(1,1) maka: t2= 0+ 12t-1 +t-1 2t-1
17
18
Yt=0+0Yt-1+t
Autoregresive p Lag of 2t-GARCH term
dimana t ~ N(0, t) heterosedastic
t= t t dimana t adalah white noise N(0,1)
p
q
. 2
r
2
2
t = 0 + j t j + i t i + k t2 k I t k
.
j =1
i =1
k =1
t = conditional varians
dimana: It-k=1 jika t <0, lainnya =0
Good News t-i >0; bad news t-1 <0; mempunyai dampak
pada conditional variance.
Good News berdampak i dan bad news berdampak i+i
19
20