Dengan menggunakan data return 13 indek harian yang didapat dari buzsa dapat digunakan _untuk menghitung suatu ukuran dari volatilitas time-varying. Andersen dan Bollerslev (1998) menyatakan bahwa model-model volatilitas menycdiakan forecast yang baik dari suatu variansi yang terkondisi (the conditional variance). Dalam tulisan ini, penulis menggunakan pendekatan yang sama dengan Bollerslev (1998) dan menggunakan data return 13 indck harian untuk mengestimasi pengukumn volatilitas yang kemudian dibandingkan dengan model-model volatilitas. Tujuan penulisan adalah untuk mengevaluasi apakah evolusi dari model-model volatilitas (dalam hal ini model-model GARCHfamib=) telah membawa hasil forecast volatilitas menjadi lebih baik dali model volatilitas yang lebih sederhana (ARMA). Penulis menggunakan 7 model dari GARCH famibv pada .13 indek yang terdailar di Bursa Efek Jakarta dengan jumlah pengamatan sebanyak 317 pengamatan. Hasil analisis penulis memmjukan bahwa tidak satupun model dari GARCH#1mi(y yang lebih superior dari model GARCHj21mib» lainnya untuk setiap indek, namun beberapa model volatilitas dari GARCH family jelas menunjukkan aproksimasi volatilitas yang Iebih baik jika dibandingkan dengan apa yang didapat dari model ARMA (sebagai bench mark).

---

Within data from 13 daily index which listing on Bursa Efek Jakarta (BEJ) can be measured one important measuring, that is volatility in time series. Andersen and Bollerslev (1986) said that volatility models are specially usetirl when the goal of study to analyze and forecast the conditional variance (volatility).

In this paper, the writer use approximation the same as with Bollerslev (1998), and use retum data of 13 daily index in BEJ to estimate measuring volatility and then make comparison among volatility models. This paper focuses on the performance of various GARCH models in terms of their ability of delivering volatility forecast for stock return data compared to the simple volatility model, that is ARMA.

This paper using 7 models of GARCH family on 13 index which is listing on BFJ with 317 observation daily data. Finally, out of sample tests indicate that no one of GARCH models (in this paper) superior among themselves for every index, but some of GARCH models clearly show that they better than ARMA models as forecaster in volatility.