Hasil Pencarian  ::  Simpan CSV :: Kembali

"Studi ini menganalisis integrasi pasar saham di beberapa negara di kawasan Asia Pasifik. Penelitian ini berfokus pada pasar saham lima negara, yaitu Jepang, Indonesia, Filipina, vietnam dan Bangladesh, dengan memberi perhatian khusus pada krisis keuangan 2008-2009. Studi ini dilatarbelakangi oleh penelitian mengenai integrasi pasar saham tradisional, yang menunjukkan bahwa pasar saham negara berkembang lebih tersegmentasi dan pasar saham negara maju sangat terintegrasi. Dengan menggunakan metode vector autoregressive (VAR), hasil penelitian ini menunjukkan bahwa pasar saham masih kurang terintegrasi. Pada periode sebelum krisis, hanya pasar saham Filipina dan Indonesia yang terintegrasi, sedangkan pasar saham Jepang terintegrasi dengan pasar saham Indonesia, Filipina dan Bangladesh. Sementara itu, pada periode setelah krisis, pasar saham Bangladesh tidak terintegrasi dengan pasar saham Jepang.

---

This study analysis the integration of stock markets in some countries in the Asia-Pacific Region. The study focus on stock market in five county, namely: Japan, Indonesia, Philippines, Vietnam and Bangladesh, with special attention to the 2008-2009 financial crisis period. This study is motivated by the research of traditional stock market integration, which showed that stock markets in developing countries were more segmented while stock markets in developed countries were more integrated. By using vector autoregressive method (VAR), this study reveals that stock markets of those five countries were still less integrated. In the pre-crisis period, only the stock markets of Philippines and Indonesia were integrated, while Japan's stock market was integrated with the stock markets of Indonesia, the Philippines and Bangladesh. Meanwhile, in the period after the crisis, Bangladesh's stock market did not integrated with japan's."

"ABSTRAKSuatu proses {Z_t,t=0,1,2,...} memiliki model TAR(1), yaitu adalah koefisien parameter dan α_t merupakan variabel acak yang iid dengan mean 0. Petrucelli dan Woolford (1984) memberikan kondisi ergodik pada model TAR(1)dan estimasi parameter yang dapat diperoleh melalui metode least square.Simulasi dilakukan dengan membangkitkan α_t dan Z_t secara acak, serta dilakukan pada nilai-nilai parameter tertentu.

---

ABSTRACT

A process {Z_t,t=0,1,2,...} has TAR(1) model that is parameter coefficients and α_t are a sequence of iid random variables with mean 0. Petrucell and Woolford (1984) gave an ergodic condition on TAR(1) model and parameter estimation using least square method. Simulation are done using generated κ_t and Z_t with some different values of parameter."

"Model data panel dinamis merupakan model data panel yang melibatkan lag dari variabel dependen sebagai variabel eksplanatori yang berkorelasi dengan error. Lag dari variabel dependen tersebut dinamakan variabel eksplanatori endogen. Salah satu bentuk model data panel dinamis adalah model panel vector autoregression (PVAR). Dimana model panel VAR memiliki pola yang sama dengan model VAR yang merupakan model runtun waktu multivariat dengan menambahkan dimensi cross section ke dalam model VAR. Model panel VAR yang dibahas pada penulisan ini model dengan dua variabel, lag sebanyak , dan komponen error satu arah fixed effect. Selanjutnya akan dibahas cara penaksiran parameter dari model panel VAR. Karena terdapat korelasi antara variabel eksplanatori endogen dengan error menyebabkan hasil taksiran dengan OLS menjadi bias dan tak konsisten. Sehingga untuk mengatasi permasalahan tersebut dilakukan transformasi forward orthogonal deviation (FOD) untuk menghilangkan efek individu dan selanjutnya menggunakan metode instrumental variabel untuk mangatasi korelasi variabel eksplanatori endogen dengan error. Kemudian model ini ditaksir dengan metode penaksiran Generalized Method of Moment (GMM).

---

The dynamic panel data model is a panel data model that involves lag of the dependent variable as explanatory variable which is correlated with the error. Lag of the dependent variable is called endogenous explanatory variables. One form of dynamic data panel model is panel vector autoregression (PVAR) model. The panel VAR models have the same pattern with the VAR model which is a model of multivariate time series with the added dimension of the cross section into the VAR model. Panel VAR model discussed in this paper with two variables, lag, and a one-way error component fixed effect. Furthermore, we will discuss how the parameter estimation of panel VAR model. Because there is a correlation between endogenous explanatory variables with the error cause the estimates of the parameters using OLS method be biased and inconsistent. Therefore to overcome these problems we have to transform the model with forward orthogonal deviation (FOD) transformation to wipes out the effect of the individual and then use the method of instrumental variables to overcome correlation of endogenous explanatory variables. Then estimate the model using Generalized Method of Moment (GMM) estimator."

"Suatu runtun waktu yang memiliki variabel respon biner disebut runtun waktu biner. Runtun waktu biner dapat dimodelkan menggunakan model umum Autoregressive dengan pendekatan regresi non-linier. Kedem Fokianos 2000 mengenalkan model runtun waktu biner melalui pendekatan Autoregressive dan regresi logistik. Metode yang digunakan untuk penaksiran parameter yaitu metode Partial Likelihood. Metode Partial Likelihood ini dilakukan dengan menentukan fungsi Partial Likelihood yang dibentuk dari probability density function pdf marginal distribusi Bernoulli. Namun, dalam proses penaksiran parameter menggunakan metode Partial Likelihood ditemukan kesulitan untuk mendapatkan solusi secara langsung dikarenakan persamaan yang tidak linier closed form. Oleh karena itu, untuk mengatasi hal tersebut dilakukan iterasi menggunakan metode Fisher Scoring. Aplikasi data pada penaksiran parameter untuk model runtun waktu biner dalam tugas akhir ini menggunakan data kompetisi balap perahu antara Universitas Cambridge dan Universitas Oxford yang dicatat pada tahun 1946 sampai 2011 dengan jumlah data berbeda yaitu 22, 44, dan 66 data. Berdasarkan aplikasi data yang dilakukan, diperoleh hasil bahwa penaksiran parameter untuk model runtun waktu biner menggunakan Partial Likelihood dengan jumlah data yang berbeda menghasilkan penaksir parameter yang relatif sama atau tidak memiliki perbedaan yang signifikan.

---

A time series that has binary respon variable is called a binary time series. Binary time series can be modeled using the Autoregressive general model and nonlinear regression approach. Kedem Fokianos 2000 introduced a binary time series model through the Autoregressive and logistic regression approach. The parameters of binary time series are estimated using the Partial Likelihood method. The Partial Likelihood method is performed by determining the Partial Likelihood function derived from the marginal probability density function pdf of Bernoulli distribution. However, in the process of parameter estimation using this method, the form of final function to obtain parameters is not in the closed form equation. To face this problem, Fisher scoring iterations are perfomed.

The application of parameter estimation of the model uses the data about boat racing competition between the University of Cambridge and Oxford University from 1946 to 2011. Based on the data application, parameter estimation of the binary time series model using partial likelihood with different amounts of data resulting in a relatively same or no significant parameter estimator."