Analisis Proyeksi Risiko Saham Dengan Model Garch (Studi Kasus Pada Perusahaan Sub Sektor Properti dan Real Estate)

Sinulingga, Librina Rosario Br and Prof. Dr. Isnani Darti, S.Si.,M.Si (2024) Analisis Proyeksi Risiko Saham Dengan Model Garch (Studi Kasus Pada Perusahaan Sub Sektor Properti dan Real Estate). Sarjana thesis, Universitas Brawijaya.

Abstract

Pada skripsi ini dibahas tentang analisis proyeksi risiko saham pada perusahaan sub sektor properti dan real estate di Indonesia dengan menggunakan model Generalized Autoregressive Conditional Heteroskedasticity (GARCH). Risiko saham menjadi perhatian utama investor dalam pengambilan keputusan investasi, terutama dalam sektor properti dan real estate yang dikenal memiliki volatilitas tinggi. Data yang digunakan dalam penelitian ini adalah harga penutupan harian saham lima perusahaan sub sektor properti dan real estate, yaitu LPKR, BSDE, CTRA, SMRA, dan PWON. Tahapan penelitian mencakup penghitungan return saham, uji stasioneritas data, identifikasi model ARIMA sebagai basis untuk model GARCH, pengujian white noise dan normalitas residual, serta pemilihan model terbaik berdasarkan kriteria Akaike Information Criterion (AIC) dan Schwarz Bayesian Criterion (SBC). Model GARCH digunakan untuk menangkap pola volatilitas data saham, yang kemudian digunakan untuk melakukan peramalan risiko melalui penghitungan Value at Risk (VaR). Hasil penelitian menunjukkan bahwa model GARCH mampu mengidentifikasi volatilitas saham secara baik, dengan mempertimbangkan heteroskedastisitas pada data return saham. Perhitungan VaR memberikan informasi penting terkait potensi kerugian maksimum yang mungkin terjadi dalam periode tertentu. Temuan ini diharapkan dapat memberikan kontribusi bagi investor dan manajer portofolio dalam mengelola risiko investasi, serta memberikan gambaran empiris tentang dinamika risiko di sektor properti dan real estate.

English Abstract

This study aims to analyze stock risk projections in the property and real estate sub-sector companies in Indonesia using the Generalized Autoregressive Conditional Heteroskedasticity (GARCH) model. Stock risk is a major concern for investors in making investment decisions, especially in the property and real estate sector, which is known for its high volatility. The data used in this study are the daily closing prices of five property and real estate sub-sector companies: LPKR, BSDE, CTRA, SMRA, and PWON. The research stages include calculating stock returns, testing data stationarity, identifying ARIMA models as the basis for GARCH models, testing white noise and residual normality, and selecting the best model based on Akaike Information Criterion (AIC) and Schwarz Bayesian Criterion (SBC). The GARCH model is employed to capture the volatility patterns of stock data, which are then used to forecast risk through the calculation of Value at Risk (VaR). The results indicate that the GARCH model effectively identifies stock volatility by accounting for heteroskedasticity in stock return data. The VaR calculations provide critical insights into the maximum potential loss that may occur within a specific period. These findings are expected to contribute to investors and portfolio managers in managing investment risks, as well as offer an empirical overview of risk dynamics in the property and real estate sector.

Text (DALAM MASA EMBARGO) Librina Rosario Sinulingga.pdf Restricted to Registered users only Download (4MB)

Actions (login required)

View Item