Model Realized TGARCH yang Memasukkan Komponen Kontinu dan Lompatan sebagai Variabel Eksogen

Abstract

Volatilitas adalah ukuran fluktuasi harga aset keuangan yang tak terpisahkan dari dinamika pasar, tidak hanya sebagai indikator risiko tetapi juga sebagai sumber informasi tentang peluang dan ketidakpastian bagi investor. Pendekatan utama dalam usaha mengukur risiko pasar keuangan yaitu dengan pemodelan dan estimasi volatilitas. Penelitian ini fokus pada pemodelan volatilitas menggunakan dua pendekatan utama yaitu Threshold Generalized Autoregressive Conditional Heteroskedasticity (TGARCH) untuk mengatasi asimetri volatilitas dan Realized GARCH (RGARCH) untuk mengintegrasikan ukuran realized sebagai variabel eksogen. Penelitian membawa inovasi dari kedua pendekatan tersebut dengan mengusulkan model Realized TGARCH (RTGARCH) yang menggabungkan model TGARCH dan persamaan ukuran realized volatility. Selanjutnya, model tersebut dikembangkan menjadi model RTGARCH-CJ dengan cara memasukkan komponen kontinu dan lompatan sebagai variabel eksogen dalam persamaan RTGARCH. Hasil empiris pada data Tokyo Stock Price Index (TOPIX) tahun 2004–2011 menunjukkan bahwa model RTGARCH-CJ secara signifikan lebih baik dalam pencocokan data dibandingkan dengan model RTGARCH berdasarkan kriteria pemilihan model dengan dibuktikan dari nilai-nilai AIC, ABIC, BIC, dan CAIC yang lebih rendah.

Volatility is a measure of financial asset price fluctuations that is integral to market dynamics, not only as an indicator of risk but also as a source of information about opportunities and uncertainties for investors. The main approach in trying to measure financial market risk is by modeling and estimating volatility. This research focuses on volatility modeling using two main approaches, namely Threshold Generalized Autoregressive Conditional Heteroskedasticity (TGARCH) to address volatility asymmetry and Realized GARCH (RGARCH) to integrate realized size as an exogenous variable. The research brings innovation from both approaches by proposing the RTGARCH model that joins TGARCH model and the realized measure. Furthermore, the model is extended to RTGARCH-CJ model by incorporating continuous and jump components as exogenous variables in the TGARCH equation. Empirical results on the Tokyo Stock Price Index (TOPIX) data for 2004–2011 showed that the RTGARCH-CJ model is significantly better in data fitting than the RTGARCH model based on model selection criteria as evidenced by lower AIC, ABIC, BIC, and CAIC values.