PENERAPAN MODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) DALAM MENGHITUNG NILAI BETA SAHAM INDEKS PEFINDO25

Abstract

PENERAPAN MODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) DALAM MENGHITUNG NILAI BETA SAHAM INDEKS PEFINDO25ABSTRAKSaat ini banyak orang yang berfikir untuk berinvestasi. Investasi adalah kegiatan yang mempunyai dua hasil, yaitu positif (return) dan negatif (risiko). Risiko saham khususnya risiko sistematik merupakan salah satu informasi penting yang dibutuhkan investor dalam melakukan investasi. Risiko sistematik dapat diukur dengan beta. Penelitian ini bertujuan untuk mengestimasi nilai beta saham dengan menggunakan model GARCH. Penelitian dilakukan di Universitas Sam Ratulangi dan berlangsung selama 4 bulan sejak November 2017 sampai maret 2018. Data yang digunakan adalah data closing price  harian saham periode 1 Agustus 2016 – 31 Juli 2017. Model GARCH yang dipakai adalah GARCH(1,1) untuk ARNA, GARCH(1, 1) untuk SMSM, dan GARCH(1,4) untuk TOTL. Nilai beta yang diperoleh yaitu untuk ARNA,  untuk SMSM dan  untuk TOTL.Kata Kunci :  Saham, GARCH, Beta. APPLICATION OF GARCH ( GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY ) MODEL  IN CALCULATING BETA VALUE OF STOCK INDEX PEFINDO25ABSTRACTIn this time many peoples are thinking to make an investation. Investment is an activity that has two results, a positive result (return) and a negative result (risk). Stock risk, especially systematic risk is one of the important information that investors need to know in investing. Systematic risk can be measured with beta. This study aims to estimate the value of beta stock by using GARCH model. This study was conducted at Sam Ratulangi University and lasted for 4 months since November 2017 until March 2018. The data used is the daily closing price on period 1 August 2016 – 31 July 2017. GARCH model used is GARCH (1, 1) for ARNA, GARCH (1, 1) for SMSM, GARCH (1,4) for TOTL. Beta values obtained are ARNA,     for SMSM dan  for TOTL.Keywords  :  Stock, GARCH, Beta.