Uji kointegrasi digunakan untuk mengetahui apakah terdapat korelasi antara beberapa analisis data deret waktu Analisis data deret waktu Analisis data deret waktu adalah analisis kumpulan data yang berubah selama periode waktu tertentu. Kumpulan data deret waktu merekam observasi terhadap variabel yang sama pada berbagai titik waktu. Analis keuangan menggunakan data deret waktu seperti pergerakan harga saham, atau penjualan perusahaan dari waktu ke waktu dalam jangka panjang. Konsep ini pertama kali diperkenalkan oleh peraih Nobel Robert Engle dan Clive Granger, pada tahun 1987, setelah ekonom Inggris Paul Newbold dan Granger menerbitkan konsep regresi palsu.
Uji kointegrasi mengidentifikasi skenario di mana dua atau lebih deret waktu non-stasioner diintegrasikan bersama sedemikian rupa sehingga tidak dapat menyimpang dari ekuilibrium dalam jangka panjang. Pengujian tersebut digunakan untuk mengidentifikasi tingkat sensitivitas dua variabel terhadap harga rata-rata yang sama selama periode waktu tertentu.
Kointegrasi Gender sebagai Indikator Usia Pernikahan
Sumber: Econometrics Beat (Blog Dave Giles)
Ringkasan
- Kointegrasi adalah teknik yang digunakan untuk menemukan kemungkinan korelasi antara proses deret waktu dalam jangka panjang.
- Peraih Nobel Robert Engle dan Clive Granger memperkenalkan konsep kointegrasi pada tahun 1987.
- Tes kointegrasi yang paling populer termasuk tes Engle-Granger, Tes Johansen, dan Tes Phillips-Ouliaris.
Sejarah Kointegrasi
Sebelum pengenalan uji kointegrasi, para ekonom mengandalkan regresi linier untuk menemukan hubungan antara beberapa proses deret waktu. Namun, Granger dan Newbold berpendapat bahwa regresi linier adalah pendekatan yang salah untuk menganalisis deret waktu karena kemungkinan menghasilkan korelasi palsu. Korelasi palsu terjadi ketika dua atau lebih variabel terkait dianggap terkait secara kausal karena kebetulan atau faktor ketiga yang tidak diketahui. Hasil yang mungkin adalah hubungan statistik yang menyesatkan antara beberapa variabel deret waktu.
Granger dan Engle menerbitkan sebuah makalah pada tahun 1987, di mana mereka meresmikan pendekatan vektor kointegrasi. Konsep mereka menetapkan bahwa dua atau lebih data deret waktu non-stasioner diintegrasikan bersama sedemikian rupa sehingga mereka tidak dapat menjauh dari beberapa ekuilibrium dalam jangka panjang.
Kedua ekonom tersebut menentang penggunaan regresi linier untuk menganalisis hubungan antara beberapa variabel deret waktu karena detrending tidak akan menyelesaikan masalah korelasi palsu. Sebaliknya, mereka merekomendasikan pemeriksaan kointegrasi deret waktu non-stasioner. Mereka berpendapat bahwa dua atau lebih variabel deret waktu dengan tren I (1) dapat digabungkan jika dapat dibuktikan adanya hubungan antar variabel.
Metode Pengujian Kointegrasi
Ada tiga metode utama pengujian kointegrasi. Mereka digunakan untuk mengidentifikasi hubungan jangka panjang antara dua atau lebih set variabel. Metodenya meliputi:
1. Metode Dua Langkah Engle-Granger
Metode Dua Langkah Engle-Granger dimulai dengan membuat residual berdasarkan regresi statis dan kemudian menguji residual untuk keberadaan akar unit. Ini menggunakan Augmented Dickey-Fuller Test (ADF) atau tes lain untuk menguji unit stasioneritas dalam deret waktu. Jika deret waktu mengalami kointegrasi, metode Engle-Granger akan menunjukkan stasioneritas residu.
Batasan dengan metode Engle-Granger adalah jika ada lebih dari dua variabel, metode tersebut dapat menunjukkan lebih dari dua hubungan kointegrasi. Batasan lain adalah bahwa ini adalah model persamaan tunggal. Namun, beberapa kekurangan telah diatasi dalam tes kointegrasi baru-baru ini seperti tes Johansen dan Phillips-Ouliaris. Tes Engle-Granger dapat ditentukan menggunakan STAT atau MATLAB Pemodelan Keuangan Dengan perangkat lunak Matlab.
2. Tes Johansen
Tes Johansen digunakan untuk menguji hubungan kointegrasi antara beberapa data deret waktu non-stasioner. Dibandingkan dengan uji Engle-Granger, uji Johansen memungkinkan lebih dari satu hubungan kointegrasi. Namun, ini tunduk pada sifat asimtotik (ukuran sampel besar) karena ukuran sampel yang kecil akan menghasilkan hasil yang tidak dapat diandalkan. Menggunakan pengujian untuk menemukan kointegrasi beberapa deret waktu menghindari masalah yang muncul saat kesalahan dibawa ke langkah berikutnya.
Tes Johansen hadir dalam dua bentuk utama, yaitu Tes Jejak dan Tes Nilai Eigen Maksimum.
- Tes jejak
Trace test mengevaluasi banyaknya kombinasi linier pada suatu data time series yaitu K sama dengan nilai K 0, dan hipotesis nilai K lebih besar dari K 0. Hal tersebut digambarkan sebagai berikut:
H 0 : K = K 0
H 0 : K> K 0
Saat menggunakan uji jejak untuk menguji kointegrasi dalam sampel, kami menetapkan K 0 ke nol untuk menguji apakah hipotesis nol akan ditolak. Jika ditolak, kita dapat menyimpulkan bahwa terdapat hubungan kointegrasi dalam sampel. Oleh karena itu, hipotesis nol harus ditolak untuk mengkonfirmasi adanya hubungan kointegrasi dalam sampel.
- Tes nilai Eigen maksimum
Nilai Eigen didefinisikan sebagai vektor bukan nol yang, ketika transformasi linier diterapkan padanya, berubah oleh faktor skalar. Tes Nilai Eigen Maksimum mirip dengan tes jejak Johansen. Perbedaan utama antara keduanya adalah hipotesis nol.
H 0 : K = K 0
H 0 : K = K 0 + 1
Dalam skenario di mana K = K 0 dan hipotesis nol ditolak, artinya hanya ada satu kemungkinan hasil variabel untuk menghasilkan proses stasioner. Namun, dalam sebuah skenario di mana K 0 = m-1 dan hipotesis nol ditolak, itu berarti bahwa ada M kemungkinan kombinasi linear. Skenario seperti itu tidak mungkin kecuali variabel dalam deret waktu tidak bergerak.
Sumber daya tambahan
Finance adalah penyedia resmi Financial Modeling & Valuation Analyst (FMVA) ™ FMVA® Certification. Bergabunglah dengan 350.600+ siswa yang bekerja untuk perusahaan seperti Amazon, JP Morgan, dan program sertifikasi Ferrari, yang dirancang untuk membantu siapa saja menjadi analis keuangan kelas dunia . Untuk terus belajar dan memajukan karier Anda, sumber daya Keuangan tambahan di bawah ini akan berguna:
- Konsep Statistik Dasar dalam Keuangan Konsep Statistik Dasar untuk Keuangan Pemahaman yang kuat tentang statistik sangat penting dalam membantu kita lebih memahami keuangan. Selain itu, konsep statistik dapat membantu memonitor investor
- Correlation Matrix Correlation Matrix Matriks korelasi adalah tabel yang menampilkan koefisien korelasi untuk variabel yang berbeda. Matriks menggambarkan korelasi antara semua kemungkinan pasangan nilai dalam sebuah tabel. Ini adalah alat yang ampuh untuk meringkas kumpulan data yang besar dan untuk mengidentifikasi serta memvisualisasikan pola dalam data yang diberikan.
- Analisis Data Cross-Sectional Analisis Data Cross-Sectional Analisis data cross-sectional adalah analisis cross-sectional dataset. Survei dan catatan pemerintah adalah beberapa sumber data cross-sectional yang umum
- Pengujian Hipotesis Pengujian Hipotesis Pengujian Hipotesis adalah suatu metode inferensi statistik. Ini digunakan untuk menguji apakah pernyataan mengenai parameter populasi benar. Pengujian hipotesis
