BAB I PENDAHULUAN 1.1 Latar Belakang
Pesatnya perkembangan teknologi dan informasi menyebabkan pemodelan pada data keuangan mengalami perkembangan yang cukup pesat. Sistem elektronik dalam perdagangan telah lama diperkenalkan pada pasar keuangan. Sistem ini dapat digunakan untuk pencatatan semua data mengenai transaksi yang terjadi pada pasar keuangan. Munculnya sistem pencatatan ini disebabkan adanya data yang memiliki frekuensi yang sangat tinggi (ultra high frequency data). Ciri utama yang menonjol dari data dengan frekuensi tinggi adalah pada dasarnya data tersebut memiliki waktu yang tidak beraturan. Tentu saja bisa dilakukan penggumpulan data untuk membuat interval waktu yang tetap dari data tapi pada saat itu mungkin bertentangan bahwa itu tidak lagi disebut dengan data dengan frekuensi tinggi. Secara alami ada informasi yang akan hilang apabila dilakukan penggumpulan data yang sedemikian. Kehilangan ini juga terjadi sebagian dikarenakan ciri utama dalam interval adalah bisa hilang jika interval data cukup jauh dan sebagian dikarenakan jarak yang tidak beraturan pada pengamatan dalam sebuah interval dan juga akan membuat analisis yang sangat kompleks apabila interval waktunya cukup dekat. Model Autoregressive Conditional Duration (ACD) diusulkan oleh Engle dan Russel (1998) yang digunakan untuk memodelkan data transaksi keuangan yang memiliki jarak yang tidak beraturan. Dimana durasi umumnya didefinisikan sebagai interval waktu diantara kejadian yang berurutan seperti contoh interval waktu dua transaksi dari saham New York Stock Exchange atau perbedaan waktu kedatangan diantara penumpang di stasiun kereta api. Durasi diantara dua transaksi yang terjadi berturutan dalam bidang keuangan sangat penting, karena itu dapat menandakan kedatangan informasi baru mengenai aset yang mendasari.
1
2
Model durasi di bidang keuangan terkait dengan interval waktu antara perdagangan. Untuk sebuah aset, lamanya durasi mengindikasikan kurang adanya aktivitas yang terjadi dalam perdagangan, yang menandakan tidak adanya informasi baru yang terjadi pada periode tersebut. Dengan kata lain, kedatangan informasi baru sering memberikan peran dalam perdagangan dan mengarahkan kepada durasi yang pendek. Perilaku yang dinamis dari durasi berisikan informasi yang berguna untuk aktivitas pasar. Selanjutnya karena pasar keuangan biasanya menggambil suatu periode waktu untuk menemukan pengaruh dari informasi baru, perdagangan aktif mungkin akan bertahan pada periode waktu tertentu dan menghasilkan sekelompok durasi – durasi yang pendek. Akibatnya durasi mungkin akan hampir sama dengan volatilitas aset. Pertimbangan seperti ini yang membawa untuk menggembangkan model durasi, yang tentu saja untuk model durasi dengan perdagangan intraday. Menggunakan ide Engle dan Russel (1998) yang hampir sama dengan model heteroscedastic
(GARCH)
Generalized Autoregressive Conditional
mengusulkan
sebuah
model
Autoregressive
Conditional Duration (ACD) dimana model tersebut sukses menggambarkan perkembangan dari durasi waktu untuk saham dengan frekuensi tinggi. Model ACD (Autoregressive Conditional Duration) memainkan peranan penting dalam pemodelan data keuangan sehingga untuk mengestimasi parameter dari model ACD (Autoregressive Conditional Duration) dapat digunakan estimasi parameter dengan menggunakan metode MLE (Maximum Likelihood Estimation) dan juga metode EF (Estimating Function). Durasi dari model ACD (Autoregressive Conditional Duration) adalah variabel tidak negatif maka dalam prakteknya digunakan distribusi yang positif dan salah satunya adalah distribusi weibull. Distribusi weibull lebih fleksibel dan juga memiliki peranan penting dalam pemodelan ACD (Autoregressive Conditional Duration)
3
1.2
Rumusan Masalah
Berdasarkan uraian dalam latar belakang, maka dapat dirumuskan beberapa permasalahan yang menjadi kajian dalam penelitian ini, yaitu : 1.
Bagaimana mengestimasi parameter model ACD (Autoregressive Conditional Duration) dengan menggunakan metode MLE (Maximum Likelihood Estimator) dan metode EF (Estimating Function)
2.
Bagaimana menerapkan model ACD (Autoregressive Conditional Duration) terhadap data runtun waktu berdistribusi weibull terutama untuk data dengan frekuensi tinggi (ultra high frequency data)
1.3
Pembatasan Masalah
Batasan masalah dalam penelitian ini adalah bagaimana melakukan estimasi model ACD (Autoregressive Conditional Duration) pada durasi waktu antar transaksi pada data keuangan.
1.4
Tujuan dan Manfaat Penelitian
Penelitian ini bertujuan untuk : 1.
Mempelajari
bagaimana
mengestimasi
Model
ACD
(Autoregressive
Conditional Duration) dengan menggunakan metode MLE (Maximum Likelihood Estimation) dan metode EF (Estimating Function) 2.
Mempelajari bagaimana menerapkan model ACD (Autoregressive Conditional Duration) terhadap suatu data runtun waktu berdistribusi weibull terutama untuk data dengan frekuensi tinggi.
4
Manfaat dalam penelitian ini adalah sebagai berikut : 1.
Secara umum diharapkan dapat memberi sumbangan terhadap perkembangan ilmu pengetahuan dalam bidang statistika terutama statistika keuangan.
2.
Secara khusus memberikan gambaran tentang pemodelan data keuangan terutama untuk data dengan durasi waktu yang tidak beraturan pada transaksi data keuangan.
1.5
Tinjauan Pustaka Analisis data runtun waktu adalah analisis data yang digunakan terutama
dalam peramalan. Data runtun waktu adalah data yang terdiri atas variabel – variabel yang dikumpulkan menurut urutan waktu, seperti halnya data transaksi keuangan dijelaskan pada buku yang ditulis Rosadi yaitu “Pengantar Analisis Runtun Waktu” dan juga pada buku “Analisa Ekonometrika dan Runtun Waktu Terapan dengan R”. Perkembangan zaman menyebabkan dibutuhkannya kemampuan pencatatan data keuangan dengan frekuensi tinggi dan mempunyai interval waktu yang sempit dan tidak beraturan. Engle dan Russel (1998) memperkenalkan model ACD (Autoregressive Conditional Duration). Menurut Engle and Russel model ACD (Autoregressive Conditional Duration) digunakan untuk model yang tidak teratur pada transaksi data keuangan, model ACD (Autoregressive Conditional Duration) juga dibahas Allen dan Peiris di dalam jurnal “Estimating and Simulating Weibull Models of Risk or Price Duration” dan juga “The Efficient Model of High Frequency Transaction Data”. Dapat dilihat juga penggunaan model ACD dapat dilihat pada jurnal yang dibuat oleh Bauwens dan Giot yang berjudul “Introduction Price Information in ACD Models ”, jurnal yang ditulis oleh Meitz dan Terasvirta yang berjudul “Evaluating Models of Autoregressive Conditional Duration ”. Parameter pada metode ACD (Autoregressive Conditional Duration) dapat diestimasi dengan menggunakan metode maksimum likelihood dan metode Estimating function yang dibahas oleh Bera dan Bilias pada jurnal yang berjudul “Estimating Function and Equation” dan “The MM, ME, ML, EL, EF dan GMM Approaches to Estimation ”. Dibahas juga oleh Godambe
pada jurnal
5
“Foundation of Finite Sampel Estimation in Stochastic Processes”, dan dibahas juga oleh Mukhopadhyay pada jurnal “Information Contained in estimating Function”. Pada metode Estimating Function digunakan metode numerik untuk mendapatkan nilai estimasinya dijelaskan pada buku yang dibuat oleh Chong dan Zak yang berjudul “An Introduction to Optimization”. Pemilihan distribusi pada error juga memberikan peranan yaitu dengan memiih distribusi weibull dijelaskan pada buku yang ditulis oleh Tsay yang berjudul “Analysis of Financial Time Series” Salah satu tulisan yang mengkaji mengenai ACD (Autoregressive Conditional Duration) adalah Durasi dan Perubahan Harga oleh Martias (2013). Terinspirasi dari model yang ditawarkan Allen dkk (2013) melakukan estimasi dan simulasi model ACD (Autoregressive Conditional Duration) dari data resiko atau harga durasi yang berdistribusi weibull. 1.6
Sistematika Penulisan
Tesis ini disusun dengan sistematika penulisan sebagai berikut : BAB I PENDAHULUN Bab ini berisi tentang Latar Belakang, Rumusan Masalah, Pembatasan Masalah, Tujuan dan Manfaat Penelitian, serta Sistematika Penulisan. BAB II DASAR TEORI Bab ini memuat beberapa definisi, teorema – teorema yang menunjang pembahasan pada bab – bab berikutnya. BAB III PEMBAHASAN Bab ini berisi tentang estimasi parameter model ACD (Autoregressive Conditional Duration) dengan metode MLE (Maximum Likelihood Estimation) dan metode EF (Estimating Function) BAB IV STUDI KASUS Bab ini berisi tentang penerapan analisis data runtun waktu berdistribusi weibull dengan menggunakan model Duration)
ACD (Autoregressive Conditional
6
BAB V KESIMPULAN DAN SARAN Bab ini berisi tentang kesimpulan yang diperoleh dan saran berdasarkan pembahasan yang telah dibahas sebelumnya.