Arima Arch Garch
Arima Arch Garch
TIME SERIES
SANJOYO
TOPIK - TOPIK
1. Pengertian Dasar
2. Pengujian Stasioneritas
Contoh:
AR(1) Yt=0,8Yt-1+
Lat7: AR Proses
t-1+...+
t+
t-1
t-q
; =konstanta,
t =white
t+
t-1 +
t-2
Z t= +
1Zt-1+
t+
t-1
Pola PACF
AR (p)
MA (q)
Terputus/ terpotong
setelah Lag q
ARMA
Pemilihan Lag:
ACF max q (lag MA)
PACF max p(lag AR)
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
t.
Adanya heteroscedasticity
Asumsi OLS tak terpenuhi
Parameter masih tak bias
Estimasi standar error & confident interval terlalu
narrow a false sense of percision.
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
heterosedastic
~ N(0,
t;
~ N(0, t) heterosedastic
Autoregresive p Lag of 2t-GARCH
t dimana t adalah white term
noise N(0,1)
t
.
.
t=
conditional varians
Bila GARCH(1,1) maka:
t2=
0+ 1
2t-1 +
t-1
2t-1
~ N(0, t) heterosedastic
Autoregresive p Lag of 2t-GARCH
t dimana t adalah white term
noise N(0,1)
t
.
.
t=
conditional varians
dimana: I t-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