Untuk apa dipakai
- Menganalisis data deret waktu atau data panel
Data yang dibutuhkan
Data deret waktu atau data panel: satu baris per periode, satu kolom per variabel.
Unggah file Excel (.xlsx) atau CSV. Aplikasi memeriksa kecocokan data dengan metode sebelum analisis dijalankan, dan token tidak terpotong bila analisis gagal.
Bantuan — proses & rumus
Tahap komputasi yang dijalankan OlahData untuk metode ini, lengkap dengan rumus dan rujukannya.
ARCH LM menguji apakah varians return berubah-ubah dan bergerombol (volatility clustering). Bila tidak signifikan, model GARCH mungkin tidak diperlukan.
Persamaan rata-rata sederhana (konstanta atau nol); persamaan varians GARCH(p,q) memodelkan volatilitas sebagai fungsi kejutan masa lalu (α) dan volatilitas masa lalu (β). Varian GJR-GARCH menambah parameter asimetri (γ) untuk menangkap efek leverage (kabar buruk meningkatkan volatilitas lebih besar daripada kabar baik).
σ²_t = ω + Σ(α_i + γ_i·1[ε_(t-i)<0])ε²_(t-i) + Σβ_j σ²_(t-j)
Persistensi (α+β+γ/2) mendekati 1 berarti guncangan volatilitas bertahan lama; dari situ dihitung waktu paruh kejutan dan varians tak bersyarat jangka panjang.
Residual terbakukan (dan kuadratnya) diperiksa dengan Ljung-Box; bila model memadai, keduanya tidak lagi berautokorelasi. Galat baku biasa (Hessian numerik) dan robust sandwich Bollerslev-Wooldridge (1992) disediakan untuk keandalan inferensi.
| Ukuran | Ambang batas | Rujukan |
|---|---|---|
| Persistensi (α+β+γ/2) | < 1 untuk varians stasioner | Bollerslev (1986) |
| Ljung-Box residual terbakukan, p | > 0,05 → model memadai | Tsay (2010) |
- Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987–1007.
- Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307–327.
- Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. The Journal of Finance, 48(5), 1779–1801.
- Bollerslev, T., & Wooldridge, J. M. (1992). Quasi-maximum likelihood estimation and inference in dynamic models with time-varying covariances. Econometric Reviews, 11(2), 143–172.
- Tsay, R. S. (2010). Analysis of financial time series (3rd ed.). John Wiley & Sons.
Engle (1982); Bollerslev (1986)
Contoh hasil
Contoh hasil dengan data fiktif untuk metode ini sedang disiapkan.
Ingin mencoba dengan data Anda?
Hasilnya disertai tabel, grafik, narasi, dan penjelasan prosesnya.