Mari kita berhenti sejenak memikirkan tentang kebisingan dunia politik yang begitu ramai dibincangkan, dengan beralih membahas tentang dunia ekonomi yang begitu penting dalam kehidupan. Ekonomi merupakan landasan suatu pihak untuk menjalani suatu kehidupan baik individu, lembaga/organisasi, maupun suatu negara. Di mana ekonomi tidak bisa dilepaskan maupun dihindari begitu saja, sehingga sesuatu yang berkaitan tentang ekonomi harus kita ketahui dan dipelajari untuk kemajuan di masa mendatang.
Banyak ekonom yang mempelajari tentang ekonomi, sehingga banyak karya-karya maupun teori-teori yang bermunculan dalam ilmu ekonomi yang dapat menjadi pedoman dalam perkembangan keilmuan ekonomi dan praktik nyatanya. Karya-karya maupun teori-teori yang dicetus ekonom itu, lalu dikenal dan bermuara pada penghargaan Nobel Ekonomi setiap tahunnya.
Diantara semua penghargaan Nobel Prize ilmu ekonomi yang telah diselenggarakan hingga tahun 2023, ada satu tahun yang sangat fenomenal yaitu penghargaan yang diselenggarakan pada tahun 2003. Pada tahun tersebut ada 2 ekonom yang mendapatkan penghargaan Nobel Prize yaitu Clive W.J Granger dengan motivasi hadiah: “untuk metode analisis rangkaian waktu ekonomi dengan tren umum (kointegrasi)”dan Robert F.Engle III dengan motivasi hadiah: “untuk metode analisis rangkaian waktu ekonomi dengan volatilitas yang bervariasi waktu (ARCH)”yang akan dibahas selanjutnya.
ARCH
ARCH (Autoregressive Conditional Heteroskedasticity) merupakan teori yang mengacu pada model statistik yang digunakan dalam analisis deret waktu untuk mengukur volatilitas heteroskedastisitas kondisional dari data keuangan. Volatilitas merupakan ukuran statistik yang mengukur tingkat fluktuasi atau perubahan harga suatu aset dalam kurun waktu tertentu.
Jadi sederhananya, ARCH menyatakan bahwa volatilitas harga di pasar keuangan, pasar modal, dan pasar saham bisa bervariasi seiring waktu, dan perubahan yang dapat dijelaskan melalui informasi historis. ARCH bisa juga dikatakan sebagai teori peramalan (forcesting) yang memperdiksi kejadian dimasa depan dengan informasi dari masa lalu melalui pola volatilitas. Teori ARCH dapat ditemukan dalam tulisan Engle III yang berjudul "Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation".
Ada 3 inti dari teori ARCH, Pertama Heteroskedastisitas Kondisional: yang mengasumsikan bahwa varians dari suatu data (volatilitas) bisa bervariasi secara kondisional terhadap informasi dari masa lalu, dengan kata lain tingkat volatilitas saat ini bisa dipengaruhi oleh informasi tentang volatilitas masa lalu. Kedua Autoregressive: ARCH merupakan model autoregressive, yang berarti variabel dalam model ini dipengaruhi oleh nilai-nilai sebelumnya dari variabel yang sama (dalam hal ini, volatilitas). Ketiga Pemodelan Volatilitas: yang bertujuan untuk memodelkan dan memprediksi volatilitas masa depan berdasarkan informasi historis(Tujuan utama dari teori ARCH).
Teori ARCH yang telah dibuat, disempurnakan lagi dengan teori GARCH (Generalized Autoregressive Conditional Heteroskedasticity). Meskipun begitu, ARCH masih memiliki keunggulan-keunggulan dari GARCH yang masih bisa digunakan dalam melakukan penelitian, dan juga teori ARCH dan GARCH dapat digunakan bersamaan dalam penelitian.
Keunggulan-keunggulan yang dimiliki teori ARCH diantaranya: pertama, sederhana bahwa model ARCH lebih sederhana dari pada GARCH karena tidak memiliki komponen autoregresif pada volatilitas. Untuk beberapa kasus atau keperluan analisis tertentu, model yang lebih sederhana dapat lebih diinginkan karena lebih mudah diinterpretasikan dan diimplementasikan.
Kedua, mengelola keterbatasan data dalam beberapa situasi, data yang diperoleh mungkin terbatas dan tidak memiliki informasi yang cukup untuk mengimplementasikan model GARCH yang lebih kompleks. Dalam kasus tersebut, model ARCH yang lebih sederhana tetap dapat memberikan estimasi volatilitas yang berguna.
Ketiga, berguna jika terjadi kontek khusus terkadang, sifat volatilitas dalam data mungkin tidak memerlukan kompleksitas tambahan yang disediakan oleh model GARCH. Dalam situasi di mana volatilitasnya relatif stabil, model ARCH mungkin sudah cukup untuk memberikan estimasi yang memadai.
