NIM : 041811133091
KELAS : B
FILE A
SOAL 1
a) Tentukan variabel mana saja dalam model di atas yang tergolong sebagai
variabel endogen dan variabel eksogen!
Jawab:
Variabel endogen = Qt , Pt
Variabel eksogen = Xt , Pt-1
Estimasi model 1:
Estimasi model 2:
Persamaan:
R square = 0.9543
SE = (23.0396) (0.2246)
R square = 0.2425
c) Jika dua model di atas diestimasi menggunakan pendekatan OLS, apakah hasil
estimasinya dapat dipercaya? Jika tidak mengapa?
Jawab:
Persamaan 1:
Persamaan 2:
Structural equation:
Qt = α0 + α1Pt + α2Pt-1 + α3Xt + u1t
Qt = β0 + β1Pt + u2t
Reduced Form :
Qt = α0 + α1Pt-1 + α2Xt + vt
Pt = β0 + β1Pt-1 + β2Xt + wt
SOAL 2
a) Jelaskan prosedur peramalan data time series menggunakan metode ARIMA!
Jawab:
1. Identifikasi
Dilakukan untuk mengidentifikasi apakah model tersebut sudah
stasioner atau belum (menentukan nilai d); menentukan nilai lag residual
(q) dengan ACF; menentukan nilai lag dependen (p) dengan PACF; serta
menentukan kombinasi-kombinasi dari model ARIMA yang terbentuk.
2. Estimasi
Setelah diperoleh beberapa model sementara, maka langkah selanjutnya
adalah mencari estimasi untuk parameter-parameter dalam model itu.
Estimasi dapat dilakukan dengan metode OLS atau estimasi nonlinier
3. Diagnostic Checking
Dilakukan untu memeriksa apakah model ARIMA yang diestimasi
sudah cocok dengan data yang ada. Diagnostic checking didasarkan
pada analisis residual. Satu pengujian mendasar yang dapat dilakukan
pada model yang sudah dipilih adalah untuk melihat estimasi residual
dari model ini adalah white noise. Apabila residual white noise, maka
dapat dilakukan forecasting. Namun, bila tidak white noise, maka harus
mencari model ARIMA lagi.
4. Forecasting
Setelah ditemukan model ARIMA yang cocok, maka dapat dilakukan
forecasting dengan menggunakan model yang memenuhi asumsi-
asumsi di atas.
ARIMA (1, 0, 0)
ARIMA (1, 0, 0)
ARIMA (3, 0, 0)
ARIMA (3, 0, 0)
MA (q) = 1 dan 3
ARIMA (1, 0, 1)
ARIMA (1, 0, 3)
ARIMA (3, 0, 1)
ARIMA (3, 0, 3)
Model yang terpilih adalah ARIMA (1, 0, 1) karena paling signifikan diantara
yang lain, dilihat dari p value < α. Uji white noise
H0: error white noise
H1: error tidak white noise : 5%
Prob > chi2(40) = 0.8990
P value > 𝛼 (H0 diterima)
Kesimpulan : H0 diterima berarti error memenuhi white noise.
d) Berapakah nilai return saham pada 3 bulan kedepan? Buat grafik antara
nilai return saham actual dan return saham forecasting, apakah hasil
forecast mendekati keadaan yang sebenarnya?
Jawab:
1 bulan ke depan = 0.0272657
2 bulan ke depan = 1.468923
3 bulan ke depan = 1.148714
Berdasarkan grafik, hasil forecasting berada di sekitaran RET yang sebenarnya.