Perpustakaan Digital ITB

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.