MODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) UNTUK PREDIKSI DAN AKURASI HARGA SAHAM MASA DEPAN

NUR ANNILA

Informasi Umum

Kode

15.04.309

Klasifikasi

332.632 2 - Stocks(Shares), Rights and warrants, Common stock

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Forecasting

Informasi Lainnya

Abstraksi

Prediksi atau peramalan merupakan salah satu hal yang sangat penting dalam melakukan pengambilan keputusan. Dengan prediksi, seseorang akan mengetahui perkiraan di masa depan sehingga mampu menentukan tindakan yang harus diambil untuk mendapatkan keuntungan maupun menghindari risiko. Dalam melakukan investasi, investor harus mengetahui pergerakan saham di masa depan dalam menentukan keputusan untuk buy, sell, atau hold. Untuk mengetahui secara tepat pergerakan harga saham tersebut, investor membutuhkan suatu alat yang mampu memprediksi secara tepat dengan hasil mendekati dengan yang sebenarnya terjadi. Namun, yang menjadi masalah adalah pergerakan harga saham mengalami volatilitas yaitu suatu ketidakstabilan dalam pergerakannya. Hal ini membuat data harga saham bersifat heteroskedastis. Heteroskedastisitas ini menyebabkan perkiraan parameter dengan menggunakan persamaan regresi biasa (OLS) tidak bias tetapi standar error dan tingkat keyakinan menjadi terlalu besar, akibat lebih lanjutnya adalah kesalahan dalam menginterpretasi model. Penelitian ini bertujuan untuk memprediksi harga saham perusahaan yang terdaftar di LQ45 yaitu saham perusahaan AALI, ADRO, ASII, BBCA, BSDE, INTP, TLKM, UNTR, dan UNVR. Berdasarkan pengujian efek ARCH, yang bisa diprediksi dengan model tersebut ada tujuh perusahaan yaitu AALI, ASII, BBCA, INTP, TLKM, UNTR, dan UNVR. Dengan menggunakan MAPE diketahui bahwa prediksi harga saham di masa depan model GARCH mempunyai tingkat kesalahan yang sangat kecil yaitu < 5%. Jadi, dapat disimpulkan bahwa model GARCH merupakan model yang baik untuk memprediksi harga saham di masa depan dengan tingkat keakuratan yang tinggi.

Kata kunci : volatilitas, heteroskedastisitas, varians, error term, GARCH