Category: Methods & Data
-
Generalized Dynamic Factor Model (GDFM): Implementation, Diagnostics, and Extensions
Langkah Implementasi Operasional (Algorithmic Steps) Bagian ini penting karena GDFM tidak bisa direplikasi hanya dengan regresi standar. Berikut alur estimasi sebagaimana diimplikasikan oleh Forni et al. (2000). Step 1 — Pre-processing Data Setiap seri xitx_{it} diperlakukan sebagai berikut: x~it=xit−xˉiσi\tilde{x}_{it}=\frac{x_{it}-\bar{x}_i}{\sigma_i} Tujuan standardisasi:→ mencegah satu seri mendominasi spektrum hanya karena skala. Step 2 — Estimasi Autocovariance Panel…
-
Berdasarkan paper Forni, Hallin, Lippi, Reichlin (2000) tentang Generalized Dynamic Factor Model (GDFM)
Data Struktur, variabel, periode, dan sumber 1.1 Struktur data panel (besar n, sedang T) GDFM dirancang untuk situasi di mana jumlah seri (n) besar, bisa lebih besar dari panjang waktu (T), sehingga VAR/VARMA menjadi tidak efisien karena terlalu banyak parameter. The Generalized Dynamic Factor … 1.2 Contoh aplikasi empiris dalam paper (EURO area) Paper menerapkan…
-
Machine Learning dalam Asset Pricing Empiris: Pendekatan Prediktif Berbasis High-Dimensional Data
🇮🇩 VERSI BAHASA INDONESIA 1. Kerangka Metodologis Umum Penelitian ini memandang asset pricing empiris sebagai persoalan estimasi ekspektasi kondisional return, yang secara formal dapat dinyatakan sebagai:E(Ri,t+1∣Ft)\mathbb{E}\left(R_{i,t+1} \mid \mathcal{F}_t\right) dengan: Berbeda dari pendekatan klasik yang mengasumsikan bentuk linier dan faktor risiko terstruktur, studi ini mengadopsi kerangka supervised learning, di mana fungsi prediksi f(⋅)f(\cdot) dipelajari langsung dari…
-
Full Modeling The Wealth of Nations: Harga, Modal, dan Pertumbuhan
A. Output/Kekayaan Bangsa sebagai Nilai Produksi Tahunan Y≡∑i=1nPiQiY \equiv \sum_{i=1}^{n} P_i Q_iY≡∑i=1nVidenganVi≡PiQiY \equiv \sum_{i=1}^{n} V_i \quad \text{dengan} \quad V_i \equiv P_i Q_i B. Nilai Riil (Labour-Commanded Value) Vireal≈LicmdV_i^{real} \approx L_i^{cmd}Licmd≡PiwL_i^{cmd} \equiv \frac{P_i}{w} Interpretasi ringkas: komoditas bernilai “riil” tinggi bila dapat “memerintah” lebih banyak tenaga kerja; secara praktis dikira-kira sebagai harga komoditas relatif terhadap upah per…
-
Metodologi Structural Break Bai–Perron: Pendekatan Berbasis Model dan Persamaan
(Methodological Notes with Model-Based Exposition) A. Kerangka Umum Model (General Modeling Framework) 🇮🇩 Bahasa Indonesia Pendekatan Bai–Perron berangkat dari model regresi linier dengan parameter yang dapat berubah antar periode (regime). Perubahan tersebut direpresentasikan oleh structural break pada titik waktu yang tidak diketahui. Model umum yang digunakan adalah:yt=xt′β+zt′δj+ut,t=Tj−1+1,…,Tjy_t = x_t’ \beta + z_t’ \delta_j + u_t,…
-
Introductory Econometrics for Finance
🔹 BAB 1 — Mathematical Foundations (Fondasi Matematis) (A) Struktur Matematis Semua model ekonometrika ditulis dalam bentuk optimisasi:minθQ(θ)\min_{\theta} Q(\theta) Contoh (OLS):Q(β)=(y−Xβ)′(y−Xβ)Q(\beta) = (y – X\beta)'(y – X\beta) (B) Aljabar Matriks y=(y1,y2,…,yT)′y = (y_1, y_2, \dots, y_T)’ X=[1×11…xk11x12…xk2⋮⋮⋮1x1T…xkT]X = \begin{bmatrix} 1 & x_{11} & \dots & x_{k1} \\ 1 & x_{12} & \dots & x_{k2} \\…
-
Core Models, Estimation Procedures, and Symbolic Framework
1) Regresi Linear OLS (CLRM) — Simple/Multiple TujuanMengestimasi pengaruh xx terhadap yy secara linear dan melakukan inferensi (uji t/F). Step 1 — Spesifikasi modelyt=β0+β1x1t+⋯+βkxkt+uty_t = \beta_0 + \beta_1 x_{1t} + \cdots + \beta_k x_{kt} + u_t Legend Step 2 — Bentuk matriks (untuk komputasi)y=Xβ+u\mathbf{y}=\mathbf{X}\boldsymbol{\beta}+\mathbf{u} Legend Step 3 — Estimasi OLSβ^=(X′X)−1X′y\hat{\boldsymbol{\beta}}=(\mathbf{X}’\mathbf{X})^{-1}\mathbf{X}’\mathbf{y} Legend Step 4 — Residual…
-
Diebold–Yilmaz (2012) Spillover Framework
(Modeling & Equations ) 1. VAR(p) Model 🇮🇩 Indonesia xt=∑k=1pΦkxt−k+εt,εt∼(0,Σ)\mathbf{x}_t = \sum_{k=1}^{p} \mathbf{\Phi}_k \mathbf{x}_{t-k} + \boldsymbol{\varepsilon}_t, \quad \boldsymbol{\varepsilon}_t \sim (0,\boldsymbol{\Sigma}) Keterangan simbol: 🇬🇧 English xt=∑k=1pΦkxt−k+εt,εt∼(0,Σ)\mathbf{x}_t = \sum_{k=1}^{p} \mathbf{\Phi}_k \mathbf{x}_{t-k} + \boldsymbol{\varepsilon}_t, \quad \boldsymbol{\varepsilon}_t \sim (0,\boldsymbol{\Sigma}) Notation: 2. Moving Average (MA) Representation 🇮🇩 Indonesia xt=∑h=0∞Ahεt−h,A0=I\mathbf{x}_t = \sum_{h=0}^{\infty} \mathbf{A}_h \boldsymbol{\varepsilon}_{t-h}, \quad \mathbf{A}_0 = \mathbf{I}Ah=Φ1Ah−1+Φ2Ah−2+⋯+ΦpAh−p\mathbf{A}_h = \mathbf{\Phi}_1 \mathbf{A}_{h-1}…
-
TVP-VECM
Time-Varying Parameter Vector Error Correction Model (Full Modeling & Estimation Procedure) A. Konsep Dasar TVP-VECM Conceptual Foundation of TVP-VECM 🇮🇩 Bahasa Indonesia TVP-VECM merupakan pengembangan dari model VECM konvensional yang memungkinkan parameter jangka pendek, kecepatan penyesuaian, dan dinamika transmisi kebijakan berubah dari waktu ke waktu. Model ini sangat relevan untuk menganalisis kebijakan moneter non-konvensional seperti…
-
Quantitative Easing and Economic Stability: Adaptive Strategies in Indonesia’s New Trinity Framework
Research Methodology – Full Modeling A. Definisi Variabel dan Sistem Model A. Variable Definition and Model System 🇮🇩 Bahasa Indonesia Penelitian ini menggunakan sistem multivariat berbasis VAR dengan enam variabel makroekonomi dan keuangan yang merepresentasikan kebijakan moneter, stabilitas harga, aktivitas riil, nilai tukar, pasar keuangan, dan pasar obligasi. Vektor variabel endogen didefinisikan sebagai:yt=[BItINFtGDPtREERtIHSGtSUNt]\mathbf{y}_t= \begin{bmatrix} BI_t\\…