Tutorial Autoregressive Conditional Heteroscedastic (ARCH) - Generalized Autoregressive Conditional Heteroscedastic (GARCH) dengan menggunakan aplikasi EVIEWS.
Model ARCH pertama kali diperkenalkan oleh Engle (1982). Model ARCH merupakan suatu teknik pemodelan data time series yang memuat sifat heteroskedastisitas dalam varian residual atau varian residual merupakan suatu fungsi bersyarat (Lubrano dan Bauwens, 1998). Model ini selanjutnya dikembangkan oleh Bollerslev (1986) yang dikenal dengan istilah Autoregressive Conditional Heteroscedastic (GARCH).
Selanjutnya Model ARCH dan GARCH banyak dikembangkan oleh para pakar seperti misalnya menjadi model EARCH, EGARCH, TARCH, TGARCH, IGARCH, PARCH, PGARCH dll.
LANGKAH ARCH - GARCH:
1. ARIMA (p,d,q): d = differencing 1, p = AR, q = MA
2. Uji Heteroskedastisitas - ARCH EFEK - Jika Heteroskedastis atau ada ARCH EFEK (Terima H1) - ARCH GARCH
3. ARCH GARCH dan Variannya: ARCH, GARCH, TARCH, TGARCH, EGARCH, PARCH, IGARCH
4. Cek EFEK ARCH
5. DIAGNOSTICS Test: Normalitas, Heteroskedastisitas, Autokorelasi
6. Interpretasi Model Terpilih ARCH - GARCH atau jenis pengembangkan lainnya dari ARCH-GARCH
7. Forecasting
Jasa Olah Data Statistik atau Bantuan Analisis Data Penelitian: https://www.statistikian.com/bantuan-olah-data
Atau WhatsApp: 081515699060.
Terima Kasih
statistikian.com
Anwar Hidayat
