Para ekonom pada umumnya akan memberikan pendapat tentang ramalan kondisi perekonomian yang akan datang. Oleh karena itu, opini mereka pada umumnya disampaikan pada beberapa event misalnya diskusi publik, media massa, seminar dll.
Teknik yang paling sederhana untuk meramalkan fenomena ekonomi misalnya GDP, Inflasi, suku bunga dan nilai tukar adalah dengan teknik Autoregresive Moving Average (ARMA), Autoregresive Integrated Moving Average (ARIMA), Autoregresive Conditional Heterosedasticity (ARCH) dan Generalized Autoregresive Conditional Heterosedasticity (ARCH).
Bagaimana kita dapat menggunakan ARMA, ARIMA, ARCH dan GARCH? Apa perbedaan teknik tersebut?
Materi lebih lanjut klik disini.
Filed under: ARCH, ARIMA, ARMA, GARCH, time series | Tagged: ARCH, ARIMA, ARMA, GARCH, time series |
EKONOMI, FINANSIAL DAN EKONOMETRIKA 
saya lg meramal inflasi dengan mengunakan ARCH dan GARCH..
minta tolong pak..uji2 apa yg cocok digunakan ??
adakah bapak punya conoh peramalan dengan menggunakan ARCH dan GARCH
salam…
sebelumnya, makasih bapak dah mau baca pesan saya.
saya mw bertanya, bagaimana cara menentukan ordo GARCH yang akan kita gunakan?
apa dasar pijakan kita jika menggunakan analisis korelogram residual kuadrat ataupun dengan ARCH-LM??
terimakasih.
assalamualaikum pak sanjoyo
pak, ketika hasil forecast dari ARIMA sudah ditemukan, lalu bagaimana kita melakukan prediksi pergerakan variabel pada masa yang akan datang…???
trims pak
wassalam
@Hanif,
Jika di Eviews Gunakan menu forecast.
Wassalam
Sanjoyo
Aslm. salam kenal, pak. Saya Bayu mahasiswa dari STIS. Saat ini sdg mengerjakan skripsi. Saya membandingkan metode ARIMA dan double exponential. Dalam penentuan model terbaik dilihat nilai MSE, MAD, MPE, dan MAPE yang terkecil. Masalah yang saya dapatkan adalah untuk MSE dan MAD dari ARIMA lbh kecil dbandingkn double exponential, sedangkan untuk MPE dan MAPE dari double exponential lebih kecil dbndingkn ARIMA. Pertanyaanya:
1. Bagaimana cara menentukan model mana yang terbaik? Apakah ada kriteria lain?
2. APakah ada penjelasan lebih lanjut, misal mengenai MSE dan MAD yang tingkat akurasinya lebih powerfull daripada MPE dan MAPE sehingga dalam kasus di atas ARIMA lbh baik dibandingkn double exponential?
Klo bisa saya juga minta referensinya, pak. yang menjelaskan keunggulan masing-masing kriteria MSE, MAD, MPE, dan MAPE.
Atas perhatiannya, saya ucapkan terima kasih byk, pak. Wasalam.
Pak, kalau untuk persoalan linearitas, pada data dengan berikut…
LNTLKM = C(1) + C(2)*LNSBI + C(3)*LNKURS + C(4)*LNINFLASI + C(5)*LNIHSG + [AR(1)=C(6)]
, saya RESET test tapi tidak linear, solusinya bagaimana?
Kemudian, apakah AR(1) perlu dijelaskan dalam interpretasi data tersebut, karena saya menggunakan AR(1) untuk mengatasi otokorelasi.
trims