Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini mengevaluasi efektivitas tiga model utama dalam estimasi volatilitas dan Value at Risk (VaR) yaitu Exponentially Weighted Moving Average (EWMA), Generalized Autoregressive Conditional Heteroskedasticity (GARCH) dan model Hybird EWMA-GARCH, yang menggabungkan keunggulan kedua pendekatan. Dengan menggunakan data harga saham harian IDX BUMN20 periode 2019–2024, penelitian ini menghitung VaR pada tingkat kepercayaan 95% dan 99%, serta mengevaluasi performa model melalui backtesting (uji Kupiec dan Christoffersen) dan kriteria statistik (RMSE dan MAE). Hasil penelitian menunjukkan bahwa model GARCH lebih akurat dalam menangkap pola volatilitas jangka panjang dibandingkan EWMA, yang lebih sensitif terhadap perubahan pasar jangka pendek. Namun, kedua model memiliki keterbatasan yaitu EWMA cenderung bereaksi berlebihan terhadap fluktuasi harga yang tiba-tiba, sedangkan GARCH membutuhkan lebih banyak data historis untuk menghasilkan estimasi yang stabil. Model Hybird EWMA-GARCH mengatasi keterbatasan tersebut dengan mengombinasikan sensitivitas EWMA dan kestabilan GARCH, menghasilkan estimasi volatilitas yang lebih akurat dengan peningkatan akurasi sebesar 9,83% dibandingkan model individu. Selain itu, penelitian ini menemukan bahwa selama krisis COVID-19 tahun 2020, volatilitas IDX BUMN20 melonjak 67,94% di atas rata-rata historis, mencerminkan ketidakpastian pasar yang ekstrem. Dalam kondisi ini, model Hybird EWMA-GARCH terbukti lebih stabil dalam memprediksi risiko dibandingkan model EWMA dan GARCH secara terpisah, dengan hasil VaR yang lebih konsisten dan lebih sedikit pelanggaran (exceptions) dalam uji backtesting. Temuan ini menegaskan bahwa pendekatan Hybird dalam manajemen risiko dapat meningkatkan keakuratan pengukuran volatilitas dan VaR, serta menjadi alat yang lebih efektif bagi investor, manajer portofolio, dan regulator dalam menyusun strategi mitigasi risiko yang lebih presisi di pasar modal Indonesia.

---

This study evaluates the effectiveness of three key models in volatility estimation and Value at Risk (VaR) prediction: Exponentially Weighted Moving Average (EWMA), Generalized Autoregressive Conditional Heteroskedasticity (GARCH), and the Hybird EWMA-GARCH model, which integrates the advantages of both approaches. Using Daily stock price data from IDX BUMN20 for the period 2019–2024, this study calculates VaR at 95% and 99% confidence levels and assesses model performance through backtesting (Kupiec and Christoffersen tests) and statistical criteria (RMSE and MAE). The findings indicate that the GARCH model is more accurate in capturing long-term volatility patterns compared to EWMA, which is more responsive to short-term market fluctuations. However, both models have limitations: EWMA tends to overreact to sudden price fluctuations, whereas GARCH requires a longer historical dataset to provide stable estimations. The Hybird EWMA-GARCH model overcomes these limitations by combining EWMA’s sensitivity with GARCH’s stability, resulting in more accurate volatility estimates, improving accuracy by 9.83% compared to individual models. Additionally, this study finds that during the COVID-19 crisis in 2020, IDX BUMN20 volatility surged by 67.94% above historical averages, reflecting extreme market uncertainty. In such conditions, the Hybird EWMA-GARCH model demonstrated greater stability in risk prediction compared to EWMA and GARCH separately, yielding more consistent VaR results with fewer exceptions in backtesting evaluations. These findings reinforce that the Hybird approach to risk management enhances the accuracy of volatility and VaR measurement, making it a more effective tool for investors, portfolio managers, and regulators in developing more precise risk mitigation strategies in the Indonesian capital market."