摘要：This study compares the performance of the volatility models GARCH (1,1) and EGARCH (1,1) on the exchange rate and stock returns. The model assumes four different distributions for the error of return: Normal,Skew-Normal (SN),Alpha-Skew Normal (ASN),and Student-t. Financial asset data used as a comparative analysis is data on the purchase rate of US Dollar (USD) in the daily period from January 2010 to December 2017 and the FTSE100 stock index data in the daily period from January 2000 to December 2013. This study compares the Generalized Reduced Gradient (GRG) method. ) Non-Linear in Excel Solver and Adaptive Random Walk Metropolis (ARWM) method to estimate the model. The results show that the GRG Non-Linear Solver Excel method provides a similar estimate to the ARWM method and does not violate the model constraints. Furthermore,based on the Akaike Information Criterion (AIC) value,the two observational data provide evidence that the model with the Student-t distribution is the best,followed by the SN distribution that is better than the model with the ASN and Normal distribution. The AIC value has suggested the EGARCH model (1,1) with the Student-t distribution as the best matching model for the two observational data. .
其他摘要：Studi ini membandingkan kinerja pencocokan model volatilitas GARCH(1,1)dan EGARCH(1,1) padareturnkurs dan saham.Model mengasumsikan empat distribusi berbeda untuk error dari return: Normal,Skew-Normal (SN),Alpha-Skew Normal (ASN),dan Student-t. Data aset keuangan yang digunakan sebagai analisis perbandingan yaitu data kurs beli US Dollar (USD) dalam periode harian dari Januari 2010 sampai Desember 2017 dan data indeks saham FTSE100 dalam periode harian dari Januari 2000 sampai Desember 2013. Studi ini membandingkan metode Generalized Reduced Gradient (GRG) Non-Linier di Solver Excel dan metode Adaptive Random Walk Metropolis (ARWM) untuk mengestimasi model.Hasil menunjukkan bahwa metode GRG Non Linear Solver Excel memberikan estimasi yang serupa denganmetode ARWM dan tidak melanggar kendala model. Lebih lanjut,berdasarkan nilai Akaike Information Criterion (AIC),kedua data pengamatan menyediakan bukti bahwa model dengan distribusi Student-t adalah yang terbaik,diikuti oleh distribusi SN yang lebih baik daripada model dengan distribusi ASN dan Normal. Nilai AIC telah menyarankan model EGARCH(1,1) berdistribusi Student-tsebagai model pencocokan terbaik untuk kedua data pengamatan..
