Selasa, 24 Maret 2009

Peramalan dg ARIMA, ARCH dan GARCH

Para ekonom pada umumnya akan memberikan pendapat tentang ramalan kondisi perekonomian yang akan datang. Oleh karena itu, opini mereka pada umumnya disampaikan pada beberapa event misalnya diskusi publik, media massa, seminar dll.
Teknik yang paling sederhana untuk meramalkan fenomena ekonomi misalnya GDP, Inflasi, suku bunga dan nilai tukar adalah dengan teknik Autoregresive Moving Average (ARMA), Autoregresive Integrated Moving Average (ARIMA), Autoregresive Conditional Heterosedasticity (ARCH) dan Generalized Autoregresive Conditional Heterosedasticity (ARCH).
Bagaimana kita dapat menggunakan ARMA, ARIMA, ARCH dan GARCH? Apa perbedaan teknik tersebut?
Silahkan download materi lengkap dapat klik ARIMA GARCH dan silahkan komentari Topik ini atau dapat kita diskusikan pada Blog FORUM DISKUSI EKONOMETRIKA

17 komentar:

Anonim mengatakan...

cara ngitung error (yaitu, simbol yg kayak huruf e di persammaan arima, yg katanya itu simbol white noise) itu gimana caranya? soalnya ini mau ngitung Yt nya kan jadi g bisa kalo error nya tu g ketemu...

SANJOYO mengatakan...

@Anonim,

Ass.
Kalau pakai Eviews, hitung e (residual) dg klik proc-make residual series (setelah diperoleh koefisien persamaannya).

Wass.

Anonim mengatakan...

Pak saya mambahas tentang GARCH tp saya bingung bagaimana menentukan ordo p dan q dalam model GARCH (p,q)? dlm jurnal2 hanya disebutkan p & q adlh lag dari residual kuadrat dan varian kuadrat.
apakah cara penentuannya coba2 mana yg cocok atau seperti ARIMA (p,d,q) yaitu dilihat dr lag plot ACF dan lag plot PACF???
sblmnya sy ucapkan trima kasih...

SANJOYO mengatakan...

@Anonim,
Ya, dalam menentukan GARCH memang perlu coba-coba q merupakan lag dari residual kuadrat dan p merupakan lag varian kuadrat. Jika karena adanya kondisi heterosedastik varian error nya, maka varians tersebut perlu dimodelkan. (silahkan downlaod materinya, lihat daftar posting pojok kanan atas blog ini). Dari hasil coba2 yang penting conditional varian tersebut signifikan termasuk model utamanya.

Salam
Sanjoyo

Anonim mengatakan...

Pak Sanjoyo trima kasih atas jawabannya.

Anonim mengatakan...

Pak tanya lagi...
apa bapak bisa membantu saya untuk mengerti tentang pendugaan parameter dlm GARCH khususnya GARCH (1,1)???
sy menggunakan conditional maximum likelihood estimators tp sy benar2 tidak mengerti tahap2nya.

Anonim mengatakan...

sebelumnya sy ucapkan trima kasih.

Anonim mengatakan...

saya ada pertanyaan pak tolong dibantu. kenapa heteroskedastisitas pada GARCH hanya bisa diuji dengan uji LM dan tidak bisa diuji dengan uji heteroskedastisitas yang lain misalnya uji white?

Anonim mengatakan...

ass pak sanjoyo
saya mau bertanya tentang permalan pada ARCH dan GARCH in mean, dan pendugaan parameternya , selama ini saya telah membaca beberapa jurnal dan buku yang ada hanya pendugaan parameter pada ARCH&GARCH saja.
sebelumnya terimakasih
wassalam

Anonim mengatakan...

ass pak sanjoyo
saya mau bertanya
apakah model ekstensi ARCH-GARCH khususnya ARCH-GARCH in mean memiliki keunggulan bila dibandingkan dengan ARCH-GARCH pada umumnya??

Unknown mengatakan...

Prior Distribusi untuk normal regresii???

SANJOYO mengatakan...

@Sahar,

Anda bisa tentukan sendiri parameternya atau menurut para pakar atau hasil penelitian.

Wassalam

Mystrile mengatakan...

assalamualaikum bapak
apakah bapak mengerti mengenai autoregressive integrated moving average (ARFIMA)?

Mystrile mengatakan...

eh salah, maksudnya autoregressive fractionally integrated moving average (ARFIMA

Sofia's World mengatakan...

Aslkum..saya ririn
Pak saya mau tanya dari hasil estimasi saya mendapat model arima (6,2,1)..bagaimana bentuk persamaannya?trims

Unknown mengatakan...

bagaimana cara menentukan model yang akan dipakai??? seperti ARCH(1,1) itu bagaimana kita bisa menentukan itu yang akan dipakai ??? tolong infonya..

farida mengatakan...

Thanks ya, artikel sangat membantu dalam menyelesaikan tugas perkuliahan tentang Generalized AutoRegressive Conditional Heteroskedastisitas (GARCH). Kunjungi juga ya MAKALAH GARCH  

Posting Komentar