Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Tesis ini berisikan kajian mengenai faktor-faktor yang mempengaruhi permintaan uang dalam perekonomian Indonesia, khususnya uang dalam arti luas (M2) dalam periode data triwulan satu tahun 2000 sampai triwulan tiga tahun 2011. Analisis menggunakan modifikasi model G.S. Laumas dan J.S. Fackler (1987), dan Andreas Beyer (1998). Variabel yang digunakan dalam tulisan ini adalah uang beredar dalam arti luas (M2), Produk domestik bruto (PDB riil), inflasi, tingkat bunga dan nilai tukar (kurs). Data diolah dengan menggunakan model Ordinary Last Squares (OLS). Data yang digunakan adalah data time series dari publikasi Bank Indonesia dan Badan Pusat Statistik (BPS). Hasil pengolahan menunjukan data yang dianalisis bersifat non-stasioner. Dengan menggunakan metode OLS disertai variabel ARMA (autoregressive dan moving average), dalam pengolahan model dijumpai hubungan yang signifikan antara perubahan faktor-faktor (determinan) yang digunakan terhadap pertumbuhan permintaan uang (M2) di Indonesia.

---

This thesis contains a study to examine the determinants of demand for money (broad money ? M2) growth in Indonesia, using data period from Q1.2000 to Q3.2011. The model analysis is based on modified model from GS Laumas and J.S. Fackler (1987) and Andreas Beyer (1998). The variables used are broad money (M2), gross domestic product (real GDP), inflation, interest rates, and exchange rates. Method of analysis is Ordinary Last Squares (OLS). Data used are quarterly time series from publications of Bank Indonesia and Badan Pusat Statistik (BPS). The data showed a non-stationary result. By using the method of OLS and variables of ARMA (autoregressive and moving average), the findings showed a significant relationship between all determinants on the growth of demand for broad money (M2) in Indonesian economy.

Abstrak :
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.

Abstrak :
Penelitian mengenai return saham dari bcrbagai sisi selalu mcnarik perhatian, terutama bagi investor. Dengan mengetahui volatilitas return saham maka dapat di pelajari dan antisipasi sebagai salah satu pcrtimbangan dalam keputusan investasi. Di dalam penelitian ini akan dilakukan analisa terhadap volatilitas pergerakan harga saham individual pada sektor perdagangan sejak Januari 1998 sampai dengan Desember 2005. Model yang digunakan untuk mengetahui volatilitas tergantung dari basil uji terhadap varian residual yang digunakan. Jika varian residual tersebut bersifat tidak konstan maka menggunakan model Autoregressive Hcteroskedastic (ARCH) dan Generalized Autoregressive Hereroskedasric (LARCH). Sedangkan untuk varian dari residual bersifat konstan maka akan digunakan model Ordinary Least Square, dalam penelitian ini model yang digunakan adalah Model AR ( Auto Regressivese), MA ( Moving Average ), dan AutoRegressive Moving Average (ARMA). Berdasarkan basil pengolahan data selama periode penelitian ditemukan bahwa terdapat sepuluh emiten yang memiliki volatilitas bersifat homoscedasric yaitu Enseva! Putra Megatrading Tbk (EPMT), Great River International Tbk (GRIV), Hexindo Adiperkasa Tbk (HEXA), Ramayana Lestari Sentosa Tbk (RALS), Millennium Pharmacon Int. Tbk (SDPC). Tira Austenite Tbk (TIRA). AGIS Tbk (TMPI), Tunas Ridean Tbk (TURD, United Tractors Tbk (UNTR), dan Wicaksana Overseas Intl Tbk (WICO). Sementara terdapat duabelas emiten yang bersifat heteroscedastic yaitu AKR Corporindo Tbk (AKRA), Hero Supermarket Tbk (HERO), Intraco Penta Tbk (INTA), Inter Delta Tbk(INTD), Perdana Bangun Pusaka Tbk (KON1), Lautan Luas Tbk (LTLS), Modern Photo Film Company Tbk (MDRN), Matahari Putra Prima Tbk (MPPA), Metro Supermarket Realty Tbk (MTSM), Sona Topas Tourism Inds.Tbk (SONA), Tigaraksa Satria Tbk (TGKA), dan Toko Gunung Agung Tbk (TKGA). Tcrhadap kcduabelas emitcn ini akan dibuatkan estimasi model conditional variace dcngan metode ARCH/ GARCH untuk mcramalkan volatilitas replan saham emitcn yang bcrgcrak dalam sektor perdagangan. Berdasarkan basil penelitian ini jugs ditemukan emitcn yang memiliki ARCHIGARCH yang volatilitasnya bersifat persisten yang ditandai dcngan nilai a + R I schingga mengurangi kestabilan model ARCHIGARCH. Emiten yang volatilitasnya bersifat persisten yaitu AK RA, KON1, MTSM, dan TGKA

---

Research towards stock's return from every aspect has always attracts attention, especially with respect for the investors. By be acquainted with the stock volatility returns there are a chance to examine and forecast event, as part of the investing consideration realization. In this research, the analysis will focus on the volatility movement on individual stock's price in retail sector from January 1998 until December 2005. The models that are applied to analyze the volatility depend on the output from the residual variances that are being analyzed. If the variance inconstant, consequently there is a need to use Autoregressive Heteroskedasticity (ARCH) and Generalized Autoregressive Heleroskedaslicity (GARCH). In addition to constant residual variances, the model that are going to be used is Ordinary Least Square, whereas in this research the model that are going to be used are AR Model (Auto Regressive), MA model (Moving Average) and Auto Regressive Moving Average (ARMA). Based on the data accumulation during the research period, it has been found that there are ten (10) items that has homoscedastic volatility. These items are Enseval Putra Megatrading Tbk (EPMT), Great River International Tbk (GRIV), Hexindo Adiperkasa Tbk (HEXA), Ramayana Lestari Sentosa Tbk (RALS), Millennium Pharmacon Int. Tbk (SDPC), Tira Austenite Tbk (TIRA), AGIS Tbk (TMPI), Tunas Ridean Tbk (TURI), United Tractors Tbk (LFNTR), and Wicaksana Overseas Int'l Tbk (WICO). In contrary, there are twelve (12) items that are heteroscedastic. These items are AKR Corporindo Tbk (AKRA), Hero Supermarket Tbk (HERO), Intraco Penta Tbk (INTA), Inter Delta Tbk (1NTD), Perdana Bangun Pusaka Tbk (KONI), Lautan Luas Tbk (LTLS), Modem Photo Film Company Tbk (MDRN), Matahari Putra Prima Tbk (MPPA), Metro Supermarket Realty Tbk (MTSM), Soria Topas Tourism lnds_Tbk (SONA), Tigaraksa Satria Tbk (TGKA), dan Toko Gunung Agung Tbk (TKGA). Relating to these twelve items, there is a need to make conditional variance estimation model with ARCHIGARCH method to predict stocks volatility return towards retail item. This research also found that there are items that has ARCHIGARCH with persistent volatility that marked with a + ? 1 which decrease the ARCHIGARCH model stability. Items that are persistent in this research are AKRA, KONI, MTSM, and TGKA