Value-at-Risk Berbasis Model Generalized
Autoregressive Conditional Heteroskedasticity
dan Glosten-Jagannathan-Runkle

DINDA MURNI

Informasi Umum

Kode

17.04.1683

Klasifikasi

003 - Systems, Operation Research, System Theory, System Analysis, Simulation Technic

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Financial Engineering

Dilihat

11 kali

Informasi Lainnya

Abstraksi

Setiap investor mengharapkan nilai return yang tinggi dengan nilai risiko yang sekecil mungkin dan setiap investasi juga tidak dapat memprediksi secara kasat mata saja nilai risiko yang akan didapatkan. Untuk mendapatkan nilai risiko suatu saham dapat menggunakan alat bantu Value-at-Risk. Pada dasarnya karakteristik data financial memiliki kecenderungan distribusi ekor tebal. Penentuan nilai VaR menggunakan karakteristik data financial yang memiliki kecenderungan berdistribusi ekor tebal, salah satu distribusi ekor tebal yaitu student-t. Oleh karena itu pada Tugas Akhir ini digunakan model time series Generealized Autoregressive Conditional Heteroskedasticity (GARCH) dan model Glosten-Jagannathan-Runkle untuk menentukan nilai Value-at-Risk pada satu aset saham yang berdistribusi normal dan distribusi student-t dengan tingkat kesalahan sebesar 10%, 5% dan 1%. Agar mendapatkan hasil yang relevan, kedua model time series tersebut dibandingkan untuk mendapatkan nilai VaR yang akurat. Berdasarkan hasil analisis, model time series yang baik digunakan untuk memprediksi VaR pada satu aset saham PT.XL Axiata adalah model time series GARCH dengan asumsi distribusi Normal dengan nilai mean error 42,76, sedangkan secara keseluruhan model yang baik berdasarkan nilai mean error terkecil adalah model historical simulation dengan nilai 14,96.