MA6081 Topik dalam Statistika III

Rabu, 4 November 2020

Nama : Muhammad Lutfi Wijaya
NIM : 20118002
Tugas

Sifat Asimetris

Sifat volatilitas asimetrik merupakan korelasi negatif antara imbal hasil dengan
volatilitas pada waktu yang sama dimana imbal hasil yang bernilai negatif cenderung
menyebabkan volatilitas bernilai tinggi, begitu juga sebaliknya.
Sebagai ilustrasi dengan data harga penutupan harian Bitcoin dalam US Dolar pada
tanggal 28 April 2013 sampai 1 Desember 2018 yang diunduh pada laman CoinMar-
ketCap (https://coinmarketcap.com/coins/).

Table 1: Nilai Korelasi antara Imbal Hasil dan Volatilitas Bitcoin

Kelompok Data Corr(Rt , σt2 )

1 0.0263
2 -0.3332
3 -0.2556
4 0.0562
Keseluruhan -0.0377

Tabel 1 menunjukan korelasi positif pada kelompok data 1 dan 4 yang menye-
babkan volatilitas bernilai rendah dan untuk kelompok data 2 dan 3 menunjukan
korelasi negatif sehingga cenderung menyebabkan volatilitas bernilai tinggi. Pada
kelompok data keseluruhan menunjukan korelasi negatif yang artinya seluruh data
cenderung menyebabkan volatilitas bernilai tinggi dan data memiliki sifat asimetris.

1
Smooth-Transition GARCH (ST-GARCH)

Untuk menangkap adanya potensi asimetrik pada kondisi volatilitas, kita meng-
gunakan spesifikasi ST-GARCH untuk imbal hasil. Berlawanan dengan model GARCH
asimetris standar, model ST-GARCH memungkinkan kondisi varian bersyarat. Model
ST-GARCH adalah perumuman dari model GJR-GARCH dimana transisi dari
regime rendah ke volatilitas tinggi dapat dilakukan secara bertahap.

√
Proses GARCH ut dengan ut = t ht , dimana ht adalah varians bersyarat pada
waktu t dan t iid N (0, 1). Smooth Transition GARCH(p, q, d) dapat ditulis

p p q
!
X X X
ht = ω + α2i u2t−i + α2i u2t−i F (ut−d , γ) + βi ht−i (1)
i=1 i=1 i=1

dimana F (ut−d , γ) adalah fungsi transisi yang memiliki bentuk logistik sebagai berikut:

F (ut−d , γ) = [1 + exp(−γut−d )]−1 , γ > 0 (2)

dimana ut−d adalah variabel transisi, d ≤ p, dan γ adalah parameter kemiringan

yang menentukan kecepatan transisi antar regime. Fungsi logistik dibatasi −1/2 <
F (ut−d , γ) < 1/2. Untuk varian bersyarat yang positif, kondisi yang cukup adalah
ω > 0, α1i ≥ 0, α1i ≥ 21 |α2i | untuk i = 1, ..., p, dan βi > 0 untuk i = 1, ..., q.

Distribusi logistik merupakan distribusi yang memiliki fungsi kepekatan peluang

kontinu. Bentuk kurva distribusi logistik adalah simetris dan uni modal. Bentuk dis-
tribusi logistik mirip dengan distribusi normal. Perbedaan utama antara distribusi
normal dan distribusi logistik terletak pada ekor dan fungsi tingkat kegagalan. Dis-
tribusi logistik memiliki ekor sedikit lebih panjang dibandingkan dengan distribusi
normal. Dengan parameter lokasi µ yang bersifat simetrik dan parameter skala γ.
Nilai parameter γ yang tinggi akan mempengaruhi seberapa tinggi nilai volatilitas
lag waktu sebelumnya terhadap volatilitas hari ini, begitu juga sebaliknya.

2
Referensi
Syuhada, K.I.A., Nur’aini R, dan Susilo A.W.A. 2019. Imbal Hasil dan Volatilitas -
Model dan Prediksi.Bandung: ITBPress.
Cheikh N.B., Zaied Y.B., and Chevallier J. 2020. Asymmetric volatility in cryp-
tocurrency markets: New evidence from smooth transition GARCH models. Finance
Research Letters 35, 101293.