ARCH/GARCH adalah suatu model peramalan/forecasting time series yang digunakan dalam single equation
artinya hanya menggunakan satu variabel saja. Dengan menggunakan
informasi periode data yang lalu dapat meramal nilai data untuk periode
yang akan datang
ARCH/GARCH
biasanya digunakan untuk mencari volitalitas suatu data. Yang dilihat
adalah pengaruh varian dan error kuadrat dari series datanya. ARCH/GARCH
adalah kelanjutan dari peramalam model ARIMA, dimana syarat yang
digunakan apabila model ARIMA yang dipilih tidak memenuhi asumsi
homokedastisitas artinya modelnya masih mengandung heterokedastistas.
Sehingga
akan didapat beberapa model ARCH/GARCH. Setelah model didapat biasanya
yang dipilih adalah model yang signifikan, error terkecil, bias
proportion terkecil, korelasinya tinggi serta memenuhi asumsi normalitas
dan homokedastisitas barulah model tersebut dapat digunakan untuk
melakukan forecast/peramalan untuk nilai data periode berikutnya.
Adapun model umum ARCH/GARCH (p,q,r), p adalah arch, q adalah diffrence, dan r adalah garch
Misal: GARCH (1,0,0) artinya menggunakan ARCH(1,0) pada data level
GARCH (0,0,1) artinya menggunakan GARCH(1,0) pada level
GARCH (1,0,1) artinya menggunakan ARCH(1,0) dan GARCH(1,0) pada data level
GARCH (1,1,1) artinya menggunakan ARCH(1,1) dan GARCH(1,1) pada data difference I
Model
ARCH memanfaatkan data error kuadrat periode sebelumnya sedangkan GARCH
memanfaatkan data varian periode sebelumnya untuk meramal data periode
berikutnya.
Thanks ya, artikel sangat membantu dalam menyelesaikan tugas perkuliahan tentang Generalized AutoRegressive Conditional Heteroskedastisitas (GARCH). Kunjungi juga ya MAKALAH GARCH
BalasHapus