2014_TS_PP_SETYO_NUGROHO_1-COVER.pdf
PUBLIC Alice Diniarti 2014_TS_PP_SETYO_NUGROHO_1-BAB_1.pdf
PUBLIC Alice Diniarti 2014_TS_PP_SETYO_NUGROHO_1-BAB_2.pdf
PUBLIC Alice Diniarti 2014_TS_PP_SETYO_NUGROHO_1-BAB_3.pdf
PUBLIC Alice Diniarti 2014_TS_PP_SETYO_NUGROHO_1-BAB_4.pdf
PUBLIC Alice Diniarti 2014_TS_PP_SETYO_NUGROHO_1-PUSTAKA.pdf
PUBLIC Alice Diniarti
Model Markov-Switching Autoregressive Conditional Heteroscedastic (MSARCH)
memberikan deskripsi dari
uktuasi return pada keadaan volatilitas rendah (low
volatility) dan volatilitas tinggi (high volatility). Perilaku return dengan peruba-
han volatilitas ini menarik untuk dikaji, khususnya dalam menentukan ukuran risiko
Value-at-Risk (VaR). Dalam tesis ini, rantai Markov digunakan untuk menentukan
peluang transisi perpindahakan keadaan volatilitas. Kemudian, model volatilitas
MSARCH orde (p,1) digunakan sebagai model prediksi risiko. Hasil simulasi mem-
berikan gambaran bahwa model MSARCH(1,1) merupakan model yang lebih baik
dalam menentukan prediksi VaR.