Professional Documents
Culture Documents
NIM : 1910115075
MATKUL : Ekonometrika 2
UCP3
ARCH-GARCH
HASIL ARMA-ARIMA yang sudah Whitenoist
Output Estimate MA(1)
Dependent Variable: RBBNI
Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 05/21/22 Time: 17:56
Sample: 1 909
Included observations: 909
Convergence achieved after 23 iterations
Coefficient covariance computed using outer product of gradients
Hipotesis: dikatakan signifikan apabila prob > alfa (5%) 🡪 Model sudah white noise
Kesimpulan: dari hasil diatas, dapat disimpulkan bahwa prob secara keseluruhan menunjukan
angka yang lebih besar dari alfa sebesar (5%). Maka, data tersebut telah signifikan atau model
sudah white noise.
Keterangan: dari data diatas correlogram, dapat dilihat bahwa nilai prob dibawah 5%, hal ini
maka dicoba apakah ada permasalahan dalam uji hetero
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/22/22 Time: 20:12
Sample (adjusted): 2 909
Included observations: 908 after adjustments
Keterangan: Dari hasil ini dapat dilihat bahwa nilai Resid(-1)^2 signifikan, hal ini dapat
dilihat dari nilai Probabilitas yang mana nilainya sebesar 0.0000. Artinya lebih kecil dari alpha
0.05 (0.05 < 0.000). Hasil ini mengindikasikan model ARCH.
1. ARCH
Dependent Variable: RBBNI
Method: ML ARCH - Normal distribution (OPG - BHHH / Marquardt steps)
Date: 05/22/22 Time: 20:47
Sample: 1 909
Included observations: 909
Failure to improve likelihood (non-zero gradients) after 67 iterations
Coefficient covariance computed using outer product of gradients
MA Backcast: 0
Presample variance: backcast (parameter = 0.7)
GARCH = C(2) + C(3)*RESID(-1)^2
Variance Equation
ARCH-M (STD.DEV)
Dependent Variable: RBBNI
Method: ML ARCH - Normal distribution (OPG - BHHH / Marquardt steps)
Date: 05/22/22 Time: 20:55
Sample: 1 909
Included observations: 909
Convergence achieved after 61 iterations
Coefficient covariance computed using outer product of gradients
MA Backcast: 0
Presample variance: backcast (parameter = 0.7)
GARCH = C(3) + C(4)*RESID(-1)^2
Variance Equation
Keterangan: Dari hasil ini dapat dilihat bahwa nilai Resid(-1)^2 signifikan, hal ini dapat dilihat
dari nilai Probabilitas yang mana nilainya sebesar 0.000. Artinya lebih kecil dari alpha 0.05 (0.05
< 0.000). Hasil ini mengindikasikan model ARCH.
ARCH-M : VAR
Dependent Variable: RBBNI
Method: ML ARCH - Normal distribution (OPG - BHHH / Marquardt steps)
Date: 05/22/22 Time: 20:57
Sample: 1 909
Included observations: 909
Convergence achieved after 43 iterations
Coefficient covariance computed using outer product of gradients
MA Backcast: 0
Presample variance: backcast (parameter = 0.7)
GARCH = C(3) + C(4)*RESID(-1)^2
Variance Equation
Keterangan: Dari hasil ini dapat dilihat bahwa nilai Resid(-1)^2 signifikan, hal ini dapat dilihat
dari nilai Probabilitas yang mana nilainya sebesar 0.000. Artinya lebih kecil dari alpha 0.05 (0.05
< 0.000). Hasil ini mengindikasikan model ARCH.
ARCH-M : LOG(VAR)
Dependent Variable: RBBNI
Method: ML ARCH - Normal distribution (OPG - BHHH / Marquardt steps)
Date: 05/22/22 Time: 20:57
Sample: 1 909
Included observations: 909
Convergence achieved after 64 iterations
Coefficient covariance computed using outer product of gradients
MA Backcast: 0
Presample variance: backcast (parameter = 0.7)
GARCH = C(3) + C(4)*RESID(-1)^2
Variable Coefficient Std. Error z-Statistic Prob.
Variance Equation
Keterangan: Dari hasil ini dapat dilihat bahwa nilai Resid(-1)^2 signifikan, hal ini dapat dilihat
dari nilai Probabilitas yang mana nilainya sebesar 0.000. Artinya lebih kecil dari alpha 0.05 (0.05
< 0.000). Hasil ini mengindikasikan model ARCH.
2. GARCH
Dependent Variable: RBBNI
Method: ML ARCH - Normal distribution (OPG - BHHH / Marquardt steps)
Date: 05/22/22 Time: 21:03
Sample: 1 909
Included observations: 909
Failure to improve likelihood (non-zero gradients) after 1 iteration
Coefficient covariance computed using outer product of gradients
MA Backcast: 0
Presample variance: backcast (parameter = 0.7)
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1)
Variance Equation
Variance Equation
Keterangan: Dari hasil ini dapat dilihat bahwa nilai Resid(-1)^2 signifikan, hal ini dapat dilihat
dari nilai Probabilitas yang mana nilainya sebesar 0.000. Artinya lebih kecil dari alpha 0.05 (0.05
< 0.000). Hasil ini mengindikasikan model ARCH.
GARCH M – VAR
Dependent Variable: RBBNI
Method: ML ARCH - Normal distribution (OPG - BHHH / Marquardt steps)
Date: 05/22/22 Time: 21:04
Sample: 1 909
Included observations: 909
Convergence achieved after 46 iterations
Coefficient covariance computed using outer product of gradients
MA Backcast: 0
Presample variance: backcast (parameter = 0.7)
GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*GARCH(-1)
Variance Equation
Keterangan: Dari hasil ini dapat dilihat bahwa nilai Resid(-1)^2 signifikan, hal ini dapat dilihat
dari nilai Probabilitas yang mana nilainya sebesar 0.000. Artinya lebih kecil dari alpha 0.05 (0.05
< 0.000). Hasil ini mengindikasikan model ARCH.
GARCH-M : LOG(VAR)
Dependent Variable: RBBNI
Method: ML ARCH - Normal distribution (OPG - BHHH / Marquardt steps)
Date: 05/22/22 Time: 21:05
Sample: 1 909
Included observations: 909
Convergence achieved after 46 iterations
Coefficient covariance computed using outer product of gradients
MA Backcast: 0
Presample variance: backcast (parameter = 0.7)
GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*GARCH(-1)
Variance Equation
Keterangan: Dari hasil ini dapat dilihat bahwa nilai Resid(-1)^2 signifikan, hal ini dapat dilihat
dari nilai Probabilitas yang mana nilainya sebesar 0.000. Artinya lebih kecil dari alpha 0.05 (0.05
< 0.000). Hasil ini mengindikasikan model ARCH.
Test Equation:
Dependent Variable: WGT_RESID^2
Method: Least Squares
Date: 05/22/22 Time: 21:06
Sample (adjusted): 2 909
Included observations: 908 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
EGARCH
Variance Equation