Arch Garch
Arch Garch
GARCH
Time Series Econometrics Lab 5
Masalah Memiliki trend
Memiliki arah gerak baik positif maupun
Data Time Series seringkali
negatif
mempunyai kondisi yang tidak
stationer
Varians tidak konstan
Data yang tidak stationer akan membuat varians
tidak konstan karena data yang nilainya sangat
bervariasi
ARCH Model
GARCH Model
ARCH in Mean
GARCH with ARMA Process
EGARCH
Uji Stationeritas
GARCH Melihat
Heterokedastisitas
Melakukan
permodelan
Tahapan untuk melakukan ARCH/GARCH
permodelan ARCH-GARCH Melihat stationeritas
pada varians
ARCH Effect Test
01 Melakukan regresi dari residu ARIMA
Command :
- Model ARIMA terbaik
- Predict uhat, resid
- Reg uhat
02 Mengecek Heterokedastisitas
Command : estatarchlm, lags(1/n)
Hipotesis:
• H0 : tidak memiliki ARCH Effect
• Ha : memiliki ARCH Effect
Kriteria :
• p.value < α H0 ditolak
• p.value > α H0 tidakdapatditolak
Kesimpulan :
• Dengan tingkat signifikansi 1% / 5% / 10% dapat
disimpulkan bahwa model (memiliki/tidak memiliki) ARCH
effect pada periode ...
ARCH
Model
ARCH
Model
Dasar Persamaan ARCH
ARCH:
GARCH
GARCH:
arch varnamel l.varname, arch (p) garch (q)
ARCH-M:
arch varnamel l.varname, archm arch (p)
EGARCH:
arch varname, ar (p) ma (q) earch (p) egarch (q)
Contoh
GARCH
GARCH:
arch d.consump ld.consump, arch (1) garch (1)
Persamaan
Conditional Mean
Persamaan
Conditional
Variance
Stationarity test
on variance
Hipotesis:
H0 : non-stasioner
Ha : stasioner
Kriteria:
p.value < α H0 ditolak
p.value > α H0 tidak dapat ditolak
Kesimpulan:
Jadi, dengan tingkat signifikansi 1%/5%/10% dapat
disimpulkan bahwa variansnya stasioner di tingkat level