Peramalan Volatilitas dengan Pemodelan EGARCH, TGARCH, dan APARCH dalam Pengukuran Estimasi Risiko Saham Sektor Keuangan

Data finansial yang mengikuti deret waktu memiliki keragaman atau volatilitas setiap waktunya tidak konstan. Keadaan ini disebut sebagai heteroskedastisitas. Metode dapat menyelesaikan masalah tersebut adalah Autoregressive Conditional Heteroscedasticity (ARCH)/Generalized (GARCH). Namun, ARCH/GARCH mengatasi beberapa kasus seperti perbedaan dalam nilai leverage effect. Sehingga dilakukan pemodelan dengan mengakomodasi respon sifat asimetris Exponential GARCH (EGARCH), Threshold (TGARCH), Asymmetric Power ARCH (APARCH). Dalam melakukan investasi, tentunya diperlukan kebijakan manajemen risiko baik, yaitu mengestimasi menggunakan metode Value at Risk (VaR) dan (CVaR). Penelitian untuk peramalan serta estimasi EGARCH, TGARCH, APARCH pada saham sektor keuangan tinggi rendah periode 20 Januari 2014 – 30 Desember 2021. Hasil menunjukkan jika terdapat karakteristik tertentu membedakan antara rendah. dikatakan model TGARCH EGARCH terbaik memodelkan asimetris. Peramalan sepuluh hari kedepan menghasilkan kesimpulan hasil juga sebaliknya. Estimasi berdasarkan tingkat kepercayaan 99%, 95%, 90% pula Semakin kepercayaan, semakin risikonya.