• Tidak ada hasil yang ditemukan

Pengggunaan Metode VaR (Value at Risk) dalam Analisis Risiko Investasi Saham dengan Pendekatan Generalized Autoregresive Conditional Hetrocedasticity(GARCH)

N/A
N/A
Protected

Academic year: 2021

Membagikan "Pengggunaan Metode VaR (Value at Risk) dalam Analisis Risiko Investasi Saham dengan Pendekatan Generalized Autoregresive Conditional Hetrocedasticity(GARCH)"

Copied!
87
0
0

Teks penuh

Gambar

Tabel 4.2 Pendugaan Parameter GARCH ...............................................................................40
Gambar 4.2 Uji Augmented Dickey-Fuller ...........................................................37
Diagram  fungsi  autokorelasi  dapat  digunakan  sebagai  alat  untuk  mengidentifikasi  kestasioneran  data
Gambar 4.2 Uji Augmented Dickey –Fuller

Referensi

Garis besar

Dokumen terkait

Tujuan dari penelitian ini adalah untuk memperoleh model time series terbaikyaitu Model Generalized Autoregressive Conditional Heteroschedasticity (GARCH), untuk

Untuk penelitian selanjutnya, perhitungan VaR dapat dilakukan dengan menggunakan model volatilitas yang lain untuk membandingkan dengan model volatilitas EWMA dan

Data harga saham memiliki volatilitas tinggi dan dipengaruhi variabel eksogen, yaitu kurs IDR/USD dan IHSG, sehinga risiko dimodelkan dengan menggunakan metode Value at Risk

Berdasarkan latar belakang tersebut, pada tugas akhir ini dilakukan perhitungan estimasi risiko dengan menggunakan metode ARCH-GARCH pada data saham sektor

Salah satu me- tode pengukuran risiko yang dapat menangkap keberadaan nilai ekstrim yang sering muncul pada data return saham yaitu metode estimasi VaR dengan pendekatan

Return yang diperoleh dalam berinvestasi pada saham lebih besar dibandingkan dengan alternatif investasi lainnya, namun juga memiliki risiko kerugian yang

Nilai kurtosis lebih besar dari tiga yaitu sebesar 16,27 menunjukkan bahwa data tidak berdistribusi normal dan data return cenderung memiliki distribusi tidak normal.. Hal ini

Nilai kurtosis lebih besar dari tiga yaitu sebesar 16,27 menunjukkan bahwa data tidak berdistribusi normal dan data return cenderung memiliki distribusi tidak normal.. Hal ini