MODEL VOLATILITAS STOKASTIK DENGAN METODE MARKOV CHAIN MONTE CARLO

ALFIAN, Dr.rer.nat. Dedi Rosadi, S.Si., M.Sc.

2012 | Tesis | S2 Matematika

Salah satu pendekatan alternatif untuk menjelaskan perubahan volatilitas dalam runtun waktu financial adalah model volatilitas stokastik. Dalam estimasi model volatilitas stokastik, bentuk eksplisit sangat susah ditentukan sehingga fungsi likelihood distribusi return ditentukan secara implisit menggunakan variabel bantu atau laten yang melakukan parameterisasi varians yang bersifat stokastik. Untuk itu, metode Bayesian diperlukan dalam estimasi parameter model. Pada tulisan ini difokuskan pada estimasi Bayesian dengan Metode Markov Chain Monte Carlo (MCMC).

An alternative approach to describe the volatility changes of a financial time series is stochastic volatility model. In the estimation of stochastic volatility models, an explicit form is very difficult to be determined so that the likelihood function of the return distribution implicitly defined using auxiliary variables or latent stochastic that parameterize the stochastic variance terms. For that reason, Bayesian methods are needed in the estimation of model parameters. In this thesis focuses on Bayesian estimation with using Markov Chain Monte Carlo Methods (MCMC).

Kata Kunci : Model Volatilitas Stokastik, Metode Markov Chain Monte Carlo, Sampling, Diagnostik Heidelberger-Welch