Estimasi Volatility (Σ) Dari Model Ar(P) Menggunakan Metode Markov Chain Monte Carlo (Mcmc)

Abstract

Metode Markov Chain Monte Carlo (MCMC) digunakan untuk menghasilkan sampel titik dari model dengan parameter belum diketahui. Pada metode Markov Chain Monte Carlo (MCMC) terdapat beberapa estimasi atau pendekatan, dalam makalah ini estimasi Gibbs Sampling digunakan untuk mengestimasi parameter dari model Autoregressive AR(p). Sebelum estimasi dilakukan nilai (p) pada model Autoregessive ditentukan terlebih dahulu. Parameter yang diestimasi adalah volatility (σ) dan α. Estimasi Gibbs Sampling dilakukan dengan nilai awal parameter σ dan α yang diperoleh dari kuadrat terkecil. Kemudian analisis dilakukan untuk beberapa model white noise. Data yang digunakan adalah data harga saham penutupan PT. Bank Rakyat Indonesia (BRI) selama 1 tahun dari 1 Maret 2011 sampai 1 Maret 2012.